Характеристики

Контекст: 1 024 токена
Параметры: 6,3 млн
Архитектура: detr · dense
Базовая модель: detr-resnet50_finetuned_lstabledetv1s9_lsdocelementdetv1type3_session3
Опубликована: 15 апр 2024

Ссылки

Hugging Face

detr-resnet50_finetuned_lstabledetv1s9_lsdocelementdetv1type3_session4

nsugianto

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная модель DETR для обнаружения и локализации объектов на изображениях.

13скачиваний за 30 дней0лайковвеса обновлены16 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это дообученная модель обнаружения объектов на изображениях, построенная на архитектуре DETR и основанная на nsugianto/detr-resnet50_finetuned_lstabledetv1s9_lsdocelementdetv1type3_session3. Репозиторий содержит веса в формате safetensors; в метаданных указано 6,3 млн параметров и контекст 1024 токена.

Модель предназначена для локализации объектов на изображениях и выдачи рамок обнаружения с метками классов. Карточка называет её дообученной на неизвестном наборе данных, поэтому конкретные классы объектов, условия применения и качество распознавания определить нельзя. Лицензия в предоставленных данных не указана.

Сценарии применения

обнаружение объектов на изображениях
определение положения объектов рамками
автоматическая разметка изображений по классам

Ограничения

Набор данных для дообучения и распознаваемые классы не описаны, поэтому качество и область применимости модели не установлены. Лицензия в доступных сведениях отсутствует.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

detr-resnet50_finetuned_lstabledetv1s9_lsdocelementdetv1type3_session4

This model is a fine-tuned version of nsugianto/detr-resnet50_finetuned_lstabledetv1s9_lsdocelementdetv1type3_session3 on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 1e-06
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 300
mixed_precision_training: Native AMP

Framework versions

Transformers 4.39.3
Pytorch 2.0.1
Datasets 2.18.0
Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры: DetrForObjectDetection
Ревизия весов: d27ec4e