Предобученные на ImageNet веса DenseNet121 для классификации изображений и использования как энкодера в моделях сегментации.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это веса DenseNet121, предварительно обученной на ImageNet модели классификации изображений, подготовленные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Репозиторий содержит веса в формате safetensors; библиотека предназначена для задач компьютерного зрения и сегментации изображений.
Модель принимает изображение и предназначена для классификации по категориям ImageNet, а также может служить энкодером при построении моделей сегментации. В карточке не указаны размер весов, длина контекста или поддерживаемые естественные языки. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория.
Веса предназначены для задач, связанных с ImageNet; для использования в сегментации их нужно подключить как энкодер в соответствующей модели. Условия лицензии с пометкой other требуют проверки по карточке репозитория.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository contains the imagenet pre-trained weights for the densenet121 model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("densenet121", encoder_weights="imagenet")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · segmentation-models-pytorch · image-classification
Архитектура ? неизвестна transformers в образе рантайма.