/ Модель

Характеристики

Параметры
6,3 млн
Лицензия
Apache 2.0
Архитектура
detr · dense
Опубликована
11 июн 2023

detr-r50-cd45rb-8ah-6l

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная на cd45rb модель DETR с ResNet-50 для обнаружения объектов на изображениях.

22скачиваний за 30 дней0лайковвеса обновлены3 авг 2023

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

polejowska/detr-r50-cd45rb-8ah-6l — модель обнаружения объектов на базе DETR с ResNet-50, дообученная автором на наборе данных cd45rb. Она предназначена для нахождения и локализации объектов на изображениях; в карточке приведён результат оценки на тестовой выборке: loss 1,5794. Модель содержит 6,3 млн параметров и распространяется в формате PyTorch.

Модель подходит для сценариев, где требуется обнаруживать объекты из набора классов cd45rb. Состав классов и подробные сведения о точности, обучении и ограничениях в карточке не описаны. Лицензия — Apache-2.0.

Сценарии применения

  • обнаружение объектов из набора классов cd45rb на изображениях
  • поиск и локализация объектов на пользовательских изображениях
  • оценка модели обнаружения объектов на тестовой выборке

Ограничения

Карточка не описывает состав классов и не приводит метрики качества, кроме значения loss 1,5794 на тестовой выборке. Область применения ограничена характеристиками набора данных cd45rb.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

detr-r50-cd45rb-8ah-6l

This model is a fine-tuned version of facebook/detr-resnet-50 on the cd45rb dataset. It achieves the following results on the evaluation set:

  • Loss: 1.5794

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-05
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 25
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
2.47941.046061.8245
2.24692.092121.7593
2.18173.0138181.7109
2.14184.0184241.6976
2.1185.0230301.6695
2.12376.0276361.6781
2.10257.0322421.6574
2.07968.0368481.6418
2.06729.0414541.6333
2.059710.0460601.6313
2.094811.0506661.6546
2.094312.0552721.6905
2.081913.0598781.6430
2.079514.0644841.6439
2.056615.0690901.6449
2.043516.0736961.6204
2.037517.0783021.6195
2.03218.0829081.6128
2.007919.0875141.6082
1.998520.0921201.6037
1.997621.0967261.6005
1.988722.01013321.5969
1.984123.01059381.5841
1.976324.01105441.5826
1.968625.01151501.5794

Framework versions

  • Transformers 4.28.0
  • Pytorch 2.0.1
  • Datasets 2.12.0
  • Tokenizers 0.13.3

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
6e49875

0 моделей