/ Модель

Характеристики

Лицензия
MIT
Архитектура
vmamba · dense
Библиотека
transformers
Опубликована
30 мар 2025

VMamba_ImageNet_82.6

Классификация изображенийИзображение → label3 профессии

Двунаправленная модель VMamba, дообученная на ImageNet для классификации изображений.

395скачиваний за 30 дней3лайкавеса обновлены27 апр 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

VMamba_ImageNet_82.6 — модель классификации изображений на основе двунаправленной архитектуры пространства состояний VMamba. Её опубликовал Saurabhchand Bhati; автор README отмечает, что это не официальная реализация VMamba.

Модель дообучена на наборе ImageNet и предназначена для отнесения изображений к классам. В метаданных указаны библиотека Transformers и формат весов safetensors. README не сообщает размер модели, число классов или длину контекста.

Модель распространяется по лицензии MIT. README описывает проект как работу в процессе и предупреждает, что реализация неофициальная; эти факторы следует учитывать при внедрении.

Сценарии применения

  • классификация изображений по категориям
  • распознавание объектов на изображениях по классам ImageNet
  • эксперименты с архитектурой VMamba для компьютерного зрения

Ограничения

Это неофициальная реализация VMamba, а автор описывает проект как работу в процессе. В README не приведены сведения о размере модели, числе классов и длине контекста.

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

VMamba: Visual State Space Model

VMamba is a bidirectional state-space model finetuned on Imagenet dataset. It was introduced in the paper: VMamba: Visual State Space Model and was first released in this repo.

Disclaimer: This is not the official implementation, please refer to the official repo. This is work is progress to add VMamba backbone for Image, Audio Classification tasks by me, Saurabhchand Bhati.

How to Get Started with the Model

Use the code below to get started with the model.

import torch
from PIL import Image
import torchvision.transforms as T
from transformers import AutoConfig, AutoModelForImageClassification

config = AutoConfig.from_pretrained('saurabhati/VMamba_ImageNet_82.6',trust_remote_code=True)
vmamba_model = AutoModelForImageClassification.from_pretrained('saurabhati/VMamba_ImageNet_82.6',trust_remote_code=True)

preprocess = T.Compose([
    T.Resize(224, interpolation=Image.BICUBIC),
    T.CenterCrop(224),
    T.ToTensor(),
    T.Normalize(
        mean=[0.4850, 0.4560, 0.4060],
        std=[0.2290, 0.2240, 0.2250]
    )])

input_image = Image.open('/data/sls/scratch/sbhati/data/Imagenet/train/n02009912/n02009912_16160.JPEG')
input_image = preprocess(input_image)

with torch.no_grad():
    logits = vmamba_model(input_image.unsqueeze(0)).logits

predicted_label = vmamba_model.config.id2label[logits.argmax().item()]
predicted_label
'crane'

Citation

@article{liu2024vmamba,
  title={VMamba: Visual State Space Model},
  author={Liu, Yue and Tian, Yunjie and Zhao, Yuzhong and Yu, Hongtian and Xie, Lingxi and Wang, Yaowei and Ye, Qixiang and Liu, Yunfan},
  journal={arXiv preprint arXiv:2401.10166},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
VMambaForImageClassification
Ревизия весов
3db342a

0 моделей