/ Модель

Характеристики

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

VMamba_ImageNet_83.6

Классификация изображенийИзображение → label3 профессии

Двунаправленная модель VMamba, дообученная на ImageNet для классификации изображений.

24скачиваний за 30 дней0лайковвеса 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

saurabhati/VMamba_ImageNet_83.6 — модель визуального пространства состояний VMamba для классификации изображений. По карточке, это двунаправленная модель, дообученная на ImageNet; реализация не является официальной. Метаданные указывают архитектуру VMambaForImageClassification и формат весов safetensors. Модель предназначена для определения категорий объектов на изображениях и может использоваться как классификатор общего назначения или как отправная точка для экспериментов с визуальными моделями пространства состояний. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • классификация объектов на изображениях
  • распознавание категорий ImageNet
  • оценка класса изображения в компьютерном зрении

Ограничения

Результат зависит от соответствия изображений классам и распределению ImageNet. README отмечает, что это не официальная реализация VMamba.

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.

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
7d7eb52

0 моделей