Предварительно обученные на ImageNet веса энкодера mit_b5 для классификации изображений и построения моделей сегментации 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
В репозитории smp-hub опубликованы предварительно обученные на ImageNet веса энкодера mit_b5 для библиотеки segmentation-models-pytorch. Их можно использовать как основу для моделей сегментации изображений, собираемых в этой библиотеке; метка image-classification также отражает обучение на ImageNet и предназначение весов для классификационных представлений. Репозиторий содержит веса в формате safetensors.
Лицензия указана как other, без дополнительных условий в доступных сведениях. Карточка не сообщает размер модели, контекст обработки или ограничения качества; применимость зависит от выбранной архитектуры и задачи, в которую включён энкодер.
Карточка описывает веса энкодера, а не готовую универсальную систему сегментации; для сегментации их нужно включить в модель segmentation-models-pytorch. Условия лицензии с пометкой other в доступных данных не раскрыты.
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_b5 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_b5", 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.