/ Модель

Характеристики

Параметры
113 млн
Лицензия
CC BY-NC 4.0
Архитектура
videomae · dense
Опубликована
12 дек 2023

videomae-base-finetuned-inhard-finetuned-inhard2-finetuned-inhard3

Классификация видеоВидео → label4 профессии

Дообученная VideoMAE-модель с 113,2 млн параметров для классификации видео по классам.

12скачиваний за 30 дней0лайковвеса обновлены13 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

Это модель VideoMAE для классификации видео, разработанная на основе shossain11/videomae-base-finetuned-inhard-finetuned-inhard2 и дополнительно дообученная на неизвестном наборе данных. Архитектура VideoMAEForVideoClassification содержит 113,2 млн параметров; веса опубликованы в формате safetensors.

Модель предназначена для присвоения классов видеозаписям. В README приведены результаты оценки: accuracy 0,6987 и loss 1,1820; названия классов и состав оценочного набора не раскрыты. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • Классификация видеороликов по заданным категориям
  • Автоматическая разметка видеозаписей
  • Распределение видео по классам в медиатеке

Ограничения

Данные обучения и набор классов не описаны. На оценочном наборе указана точность 0,6987; применимость результата к другим данным не установлена.

Для каких профессий подходит4

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

videomae-base-finetuned-inhard-finetuned-inhard2-finetuned-inhard3

This model is a fine-tuned version of shossain11/videomae-base-finetuned-inhard-finetuned-inhard2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1820
  • Accuracy: 0.6987

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: 9580

Training results

Training LossEpochStepValidation LossAccuracy
1.33790.219161.38110.6337
0.81881.238321.84350.5272
0.58132.257481.16280.7203
0.57123.276641.13640.6970
0.7234.295801.02940.7303

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
9078af8

0 моделей