/ Модель
Каталог

Характеристики

Лицензия
BSD 3-Clause
Архитектура
blip · dense
Базовая модель
blip-image-captioning-large
Библиотека
transformers
Опубликована
30 сен 2024

Ссылки

Hugging Face

blip-image-captioning-large-shyam

shyamgv
Изображение и текст → текст

Дообученная BLIP-модель, которая создаёт текстовые подписи к изображениям.

12скачиваний за 30 дней0лайковвеса обновлены3 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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 shyamgv/blip-image-captioning-large-shyam — дообученная версия Salesforce/blip-image-captioning-large на датасете imagefolder. Она принимает изображение и генерирует текстовую подпись, описывающую его. В основе лежит архитектура BLIP с визуальным энкодером ViT-Large; веса представлены в формате safetensors, для работы используется библиотека Transformers.

Модель подходит для автоматического создания подписей к изображениям и их текстового описания. В README приведены результаты оценки: loss 0,2169 и WER 0,9091. Эти значения не раскрывают состав и условия оценки, поэтому качество на других данных по ним определить нельзя. Лицензия — BSD-3-Clause.

Сценарии применения

  • автоматическое создание подписей к изображениям
  • генерация кратких описаний фотографий
  • добавление текстовых описаний к изображениям в каталоге
  • подготовка подписей к изображениям для поиска

Ограничения

README не раскрывает обучающие и оценочные данные, а приведённые loss и WER не позволяют оценить качество на других наборах изображений.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

blip-image-captioning-large-shyam

This model is a fine-tuned version of Salesforce/blip-image-captioning-large on the imagefolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2169
  • Wer Score: 0.9091

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
  • num_epochs: 15
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer Score
6.74575.0503.78190.9091
1.904210.01000.65900.9091
0.311415.01500.21690.9091

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.4.1+cu121
  • Datasets 3.0.1
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BlipForConditionalGeneration
Ревизия весов
958a037

0 моделей

    Создать бенчмарк