Предобученная на ImageNet модель EfficientNet-B0 для классификации изображений и использования как энкодера в системах 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 предобученные на ImageNet веса EfficientNet-B0, опубликованные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель также подходит для классификации изображений, что соответствует задаче image-classification в метаданных Hugging Face.
EfficientNet-B0 принимает изображения и выдаёт оценки классов. В карточке указано применение как энкодера для задач сегментации, однако сам репозиторий содержит веса классификационной модели. Карточка не сообщает размер параметров, поддерживаемые языки или отдельные ограничения качества. Лицензия обозначена как other, поэтому перед использованием следует проверить условия исходной лицензии.
Это веса энкодера-классификатора, а не готовая система сегментации; для сегментации требуется соответствующая архитектура и настройка. Условия лицензии указаны как other и требуют проверки перед использованием.
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 efficientnet-b0 model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("efficientnet-b0", 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.