Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Опубликована: 11 дек 2023

Ссылки

Hugging Face

videomae-base-finetuned-inhard

shossain11

Классификация видеоВидео → label3 профессии

Дообученный видеотрансформер VideoMAE для классификации видео по меткам классов.

17скачиваний за 30 дней0лайковвеса обновлены11 дек 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

Модель shossain11/videomae-base-finetuned-inhard — версия VideoMAE-base, дообученная для классификации видео. Она основана на MCG-NJU/videomae-base и содержит 113,2 млн параметров; веса опубликованы в формате Safetensors. На оценочном наборе автор сообщает accuracy 0,7151 и loss 1,0630, но описание набора данных и классов отсутствует. Модель предназначена для присвоения видео меток классов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

классификация видеороликов по категориям
автоматическая разметка видеоклипов классами
определение класса видео в исследовательском прототипе

Ограничения

Данные обучения, список классов и назначение датасета InHard не описаны, поэтому применимость к конкретной таксономии неясна. Заявленная accuracy 0,7151 относится к оценочному набору, состав которого не приведён; коммерческое использование запрещено лицензией.

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 938моделей 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

videomae-base-finetuned-inhard

This model is a fine-tuned version of MCG-NJU/videomae-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.0630
Accuracy: 0.7151

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: 2
eval_batch_size: 2
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
training_steps: 7664

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.5289	0.25	1916	1.5659	0.5161
1.5302	1.25	3832	1.0917	0.6582
0.5935	2.25	5748	0.9741	0.7225
0.6323	3.25	7664	1.0761	0.6859

Framework versions

Transformers 4.35.2
Pytorch 2.1.1
Datasets 2.15.0
Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: VideoMAEForVideoClassification
Ревизия весов: 553c463