Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 20 янв 2025

Ссылки

Hugging Face

allsky-stars-detected-v2

ppicazo

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT для классификации изображений неба с целью обнаружения звёзд.

155скачиваний за 30 дней0лайковвеса обновлены20 янв 2025

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

allsky-stars-detected-v2 — модель классификации изображений на базе Vision Transformer (ViT), дообученная на google/vit-base-patch16-224-in21k. По названию репозитория она предназначена для обнаружения звёзд на изображениях неба; README подтверждает дообучение на наборе imagefolder, но не описывает классы и состав данных.

В README указаны результаты на оценочной выборке: accuracy 0,9948 и loss 0,0171. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

классификация астрономических снимков
определение наличия звёзд на изображении неба
автоматическая разметка изображений звёздного неба

Ограничения

В README не описаны классы, обучающие данные и условия оценки, поэтому приведённые метрики нельзя уверенно переносить на другие источники изображений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей 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

allsky-stars-detected-v2

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.0171
Accuracy: 0.9948

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: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 1339
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0394	1.0	270	0.0407	0.9895
0.0973	2.0	540	0.0709	0.9843
0.0057	3.0	810	0.0425	0.9869
0.0403	4.0	1080	0.0499	0.9869
0.0608	5.0	1350	0.0171	0.9948

Framework versions

Transformers 4.49.0.dev0
Pytorch 2.5.0+cpu
Datasets 3.0.1
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 588fcd3