Характеристики

Параметры: 58,7 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Опубликована: 20 июн 2022

Ссылки

Hugging Face

swin-finetuned-food101

skylord

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-модель для классификации изображений еды по категориям Food-101.

867скачиваний за 30 дней8лайковвеса обновлены20 июн 2022

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

skylord/swin-finetuned-food101 — модель классификации изображений на базе Swin Transformer, дообученная автором репозитория на датасете Food-101. Она предназначена для распознавания категорий еды на изображениях. Модель содержит 58,7 млн параметров и распространяется в формате PyTorch.

На оценочной выборке Food-101 указаны loss 0,2779 и accuracy 0,9214. Лицензия — Apache-2.0. Карточка не описывает ограничения применения или дополнительные сценарии, поэтому качество на других наборах данных и типах изображений по этим сведениям оценить нельзя.

Сценарии применения

определение категории блюда на фотографии
автоматическая разметка изображений еды
классификация блюд в приложении или каталоге
сортировка коллекции фотографий еды

Ограничения

Оценочные результаты приведены для Food-101; качество на других наборах данных не описано. Карточка не сообщает дополнительных ограничений модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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

swin-finetuned-food101

This model is a fine-tuned version of microsoft/swin-base-patch4-window7-224 on the food101 dataset. It achieves the following results on the evaluation set:

Loss: 0.2779
Accuracy: 0.9214

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: 16
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5646	1.0	1183	0.3937	0.8861
0.3327	2.0	2366	0.3024	0.9124
0.1042	3.0	3549	0.2779	0.9214

Framework versions

Transformers 4.20.0
Pytorch 1.11.0+cu113
Datasets 2.3.2
Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: SwinForImageClassification
Ревизия весов: 490c9d6