Предобученные на ImageNet веса энкодера mit_b4 для классификации изображений и построения сегментационных моделей на 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 энкодера mit_b4 для библиотеки segmentation-models-pytorch. Их можно использовать как основу при создании моделей сегментации изображений в этой библиотеке; карточка также классифицирует модель для image-classification. Веса опубликованы в формате safetensors.
Модель предназначена для задач компьютерного зрения, связанных с классификацией изображений и использованием энкодера в сегментационных моделях. Лицензия указана как other, без уточнения условий в предоставленных данных.
Предоставленные данные не описывают точность, наборы классов или ограничения весов; лицензия обозначена как other без подробных условий.
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 mit_b4 model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("mit_b4", 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.