Предобученные на ImageNet веса DenseNet169 для классификации изображений и использования как 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
Репозиторий содержит предобученные на ImageNet веса DenseNet169, подготовленные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель предназначена для классификации изображений и может служить основой для моделей сегментации, собираемых с помощью этой библиотеки.
DenseNet169 — сверточная нейросетевая архитектура для обработки изображений; веса опубликованы в формате safetensors. В карточке указана лицензия other. Данных о поддерживаемых языках и специальных ограничениях применения нет.
Карточка не описывает метрики качества и ограничения на конкретных наборах данных; пригодность для сегментации зависит от модели и задачи, в которой используется энкодер.
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 densenet169 model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("densenet169", 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.