Предобученная на ImageNet модель SE-ResNet-50 для классификации изображений и использования как энкодера в моделях 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 модели SE-ResNet-50 из репозитория smp-hub. Модель предназначена для классификации изображений и может использоваться как энкодер в библиотеке segmentation-models-pytorch, в том числе при создании моделей сегментации. Архитектура сочетает ResNet-50 с блоками squeeze-and-excitation; веса опубликованы в формате safetensors.
Лицензия указана как other, без уточнения условий в доступных данных. Модель работает с изображениями и выдаёт классы или признаки изображения. Карточка не приводит сведения о поддерживаемых языках или конкретных ограничениях качества.
Условия лицензии «other» в карточке не раскрыты. Карточка не сообщает метрики качества или ограничения применения модели.
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 se_resnet50 model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("se_resnet50", 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.