/ Модель

Характеристики

Параметры
113 млн
Лицензия
BSD 3-Clause
Архитектура
audio-spectrogram-transformer · dense
Базовая модель
ast-finetuned-audioset-10-10-0.4593
Библиотека
transformers
Опубликована
17 мая 2025

drone-audio-detection-05-17-trial-0

Классификация аудиоАудио → label3 профессии

Дообученная AST-модель для классификации аудио и обнаружения звуков дронов.

47скачиваний за 30 дней6лайковвеса обновлены17 мая 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

drone-audio-detection-05-17-trial-0 — модель классификации аудио на основе Audio Spectrogram Transformer (AST), дообученная автором preszzz от MIT/ast-finetuned-audioset-10-10-0.4593. Она предназначена для распознавания звуков дронов в аудиозаписях.

В README приведены результаты оценки: accuracy 0,996, precision 0,9987, recall 0,9962 и F1 0,9974. Данные оценки получены на тестовом наборе; состав и происхождение датасета не описаны, поэтому результаты не подтверждают качество на других записях и условиях.

Модель содержит 113,2 млн параметров, использует библиотеку Transformers и формат safetensors. Лицензия — BSD-3-Clause. README не сообщает подробностей о настройке и ограничениях применения.

Сценарии применения

  • обнаружение звука дрона в аудиозаписи
  • классификация записей с шумом дронов
  • первичный анализ аудиозаписей для акустического мониторинга

Ограничения

Описание датасета и условий оценки отсутствует, поэтому приведённые высокие метрики нельзя переносить на другие записи без проверки. Поддерживаемые языки не указаны; модель классифицирует аудио, а не распознаёт речь.

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

drone-audio-detection-05-17-trial-0

This model is a fine-tuned version of MIT/ast-finetuned-audioset-10-10-0.4593 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0131
  • Accuracy: 0.996
  • Precision: 0.9987
  • Recall: 0.9962
  • F1: 0.9974

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: 1.1463891217797098e-05
  • train_batch_size: 32
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1651375762118582
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracyPrecisionRecallF1
0.04411.0630.02550.9920.99870.99100.9949
0.01762.01260.01600.9961.00.99490.9974
0.00273.01890.01280.99550.99870.99550.9971
0.00034.02520.01320.99550.99810.99620.9971
0.00024.9283100.01310.9960.99870.99620.9974

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.6.0
  • Tokenizers 0.21.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ASTForAudioClassification
Ревизия весов
a9044dd

0 моделей