Предобученные на ImageNet веса DenseNet-161 для классификации изображений и использования в качестве энкодера в segmentation-models-pytorch.
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
Модель densenet161.imagenet содержит предобученные на ImageNet веса DenseNet-161, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Репозиторий предоставляет веса в формате safetensors; модель поддерживает классификацию изображений.
Её можно применять для классификации изображений и как энкодер в задачах компьютерного зрения, включая сегментацию с помощью segmentation-models-pytorch. Карточка не сообщает размер модели, точность, поддерживаемые языки или дополнительные ограничения. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.
Карточка не приводит оценок качества и подробностей обучения. Лицензия обозначена как other, поэтому условия использования нужно уточнить в репозитории.
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 densenet161 model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("densenet161", 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.