Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-tiny-patch4-window7-224
Библиотека: transformers
Опубликована: 30 июл 2026

Ссылки

swin-tiny-patch4-window7-224-finetuned-eurosat

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-Tiny модель классифицирует спутниковые изображения EuroSAT по категориям земного покрова и землепользования.

8скачиваний за 30 дней0лайковвеса обновлены31 июл 2026

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 rmDuarte27/swin-tiny-patch4-window7-224-finetuned-eurosat — дообученная на наборе данных EuroSAT модель компьютерного зрения для классификации изображений. Она основана на Swin-Tiny от Microsoft, использует архитектуру Swin Transformer и содержит около 33 млн параметров. Модель принимает изображения и предсказывает их классы; в оценке на тестовом наборе указаны loss 0,0493 и accuracy 0,9841.

Модель предназначена для классификации спутниковых снимков по категориям земного покрова и землепользования. Лицензия репозитория — Apache-2.0. В README нет подробностей о составе классов и условиях оценки, поэтому приведённые метрики не позволяют судить о качестве на других данных.

Сценарии применения

классификация спутниковых снимков по типу земного покрова
распознавание сельскохозяйственных и природных территорий на снимках
автоматическая категоризация изображений для анализа землепользования

Ограничения

README приводит метрики оценки, но не описывает состав классов, набор данных и протокол тестирования. Результаты могут не переноситься на спутниковые снимки с иными характеристиками или категориями.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

This model is a fine-tuned version of microsoft/swin-tiny-patch4-window7-224 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0493
Accuracy: 0.9841

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: 5e-05
train_batch_size: 32
eval_batch_size: 32
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: linear
lr_scheduler_warmup_steps: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.1946	1.0	190	0.0986	0.9685
0.1470	2.0	380	0.0622	0.9778
0.0930	3.0	570	0.0493	0.9841

Framework versions

Transformers 5.13.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: SwinForImageClassification
Ревизия весов: c1c97a0