/ Модель

Характеристики

Параметры
411 млн
Лицензия
Apache 2.0
Архитектура
beit · dense
Базовая модель
beit-large-patch16-512
Опубликована
22 фев 2024

beit-large-patch16-512-film-shot-classifier

Классификация изображенийИзображение → label3 профессии

Модель классифицирует типы кинематографических планов на изображениях для автоматической разметки и анализа кадров.

117скачиваний за 30 дней1лайквеса обновлены29 дек 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

Модель pszemraj/beit-large-patch16-512-film-shot-classifier — дообученная модель BEiT large от автора pszemraj, созданная на базе microsoft/beit-large-patch16-512 для классификации типов кинематографических планов по изображению. Она предназначена для автоматической разметки кадров и анализа композиции в сценариях, связанных с кинопроизводством и изучением видео. Архитектура — BEiT Large Vision Transformer с 411 млн параметров; модель принимает изображения и выдаёт метки классов. В README указаны результаты на оценочном наборе: accuracy 0,6763 и loss 1,2335. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • определение типа плана в кадре фильма
  • автоматическая разметка кадров по композиции
  • поиск кадров с крупным или общим планом
  • анализ последовательности планов в видеоматериале

Ограничения

На оценочном наборе README сообщает accuracy 0,6763; качество может различаться на других данных и типах изображений. Модель классифицирует отдельные изображения и сама по себе не анализирует временную последовательность видео.

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

beit-large-patch16-512: types of film shots

image/png

image/png

image/png

Model description

This model is a fine-tuned version of microsoft/beit-large-patch16-512 on the szymonrucinski/types-of-film-shots dataset. It achieves the following results on the evaluation set:

  • Loss: 1.2335
  • Accuracy: 0.6763

usage

from transformers import pipeline
from PIL import Image
import requests

pipe = pipeline(
    "image-classification",
    model="pszemraj/beit-large-patch16-512-film-shot-classifier",
)

url = "https://cdn-uploads.huggingface.co/production/uploads/60bccec062080d33f875cd0c/9YqYvv188ZccCMSzuv0KW.png"
image = Image.open(requests.get(url, stream=True).raw)
result = pipe(image)[0]
print(result)

try some of these:

class labels

The dataset contains the following labels:

"id2label": {
    "0": "ambiguous",
    "1": "closeUp",
    "2": "detail",
    "3": "extremeLongShot",
    "4": "fullShot",
    "5": "longShot",
    "6": "mediumCloseUp",
    "7": "mediumShot"
  },

as plaintext:

ambiguous, close up, detail, extreme long shot, full shot, long shot, medium close up, medium shot

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 2
  • eval_batch_size: 4
  • seed: 24414
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 6.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
1.04351.03931.47990.4892
1.15542.07861.49380.4892
1.50413.011792.17020.3597
1.04574.015721.54130.5683
0.33155.019651.07690.6978
0.21786.023581.23350.6763

Framework versions

  • Transformers 4.38.0.dev0
  • Pytorch 2.2.0+cu121
  • Datasets 2.17.1
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BeitForImageClassification
Ревизия весов
8bff7e3

0 моделей