/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-base-patch16-224-in21k
Опубликована
16 сен 2023

Ссылки

Hugging Face

emotion_classification_2

raffel-22
Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer классифицирует изображения по эмоциональным категориям.

9скачиваний за 30 дней0лайковвеса обновлены16 сен 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

emotion_classification_2 — дообученная модель Vision Transformer для классификации изображений. Она основана на google/vit-base-patch16-224-in21k, содержит 113,2 млн параметров и распространяется в формате PyTorch. В README указана оценка accuracy 0,5188 на тестовой выборке; набор классов и подробности данных не описаны.

Модель предназначена для отнесения изображений к категориям эмоций. Её можно применять как отправную точку для экспериментов с распознаванием эмоций по изображениям, однако указанная точность ограничивает надёжность результатов. Лицензия — Apache-2.0.

Сценарии применения

  • классификация эмоций на изображениях
  • эксперименты с распознаванием эмоций по изображениям
  • проверка классификатора эмоций на собственном наборе изображений

Ограничения

В README указана accuracy 0,5188 на тестовой выборке; состав теста и классов не раскрыт, поэтому качество на других данных не установлено. Описание обучения и ограничения в карточке отсутствуют.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

emotion_classification_2

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: 1.3274
  • Accuracy: 0.5188

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: 4e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 30

Training results

Training LossEpochStepValidation LossAccuracy
No log1.0201.93370.3563
No log2.0401.71160.3375
No log3.0601.57550.4562
No log4.0801.49390.45
No log5.01001.43770.5062
No log6.01201.43630.4562
No log7.01401.36150.5125
No log8.01601.30210.5375
No log9.01801.33070.525
No log10.02001.30850.4938
No log11.02201.27980.5813
No log12.02401.27070.525
No log13.02601.23390.55
No log14.02801.30530.5437
No log15.03001.30380.4938
No log16.03201.30880.5375
No log17.03401.33360.5312
No log18.03601.30530.5
No log19.03801.22060.5687
No log20.04001.25980.5312
No log21.04201.33320.5125
No log22.04401.33880.5312
No log23.04601.31290.5563
No log24.04801.36320.5062
0.915325.05001.41660.4688
0.915326.05201.40940.5
0.915327.05401.42940.475
0.915328.05601.49370.475
0.915329.05801.38970.4938
0.915330.06001.45650.475

Framework versions

  • Transformers 4.33.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.13.3

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
ViTForImageClassification
Ревизия весов
77b6c30

0 моделей

    Создать бенчмарк