Предварительно обученная на ImageNet модель SE-ResNeXt-50-32x4d для классификации изображений и использования в качестве энкодера 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 предварительно обученные на ImageNet веса архитектуры SE-ResNeXt-50-32x4d из библиотеки segmentation-models-pytorch. Модель предназначена для классификации изображений и может использоваться как энкодер в системах сегментации на базе этой библиотеки.
SE-ResNeXt-50-32x4d — сверточная архитектура для обработки изображений. Карточка не приводит сведения о размере весов, языках или других модальностях. Репозиторий содержит веса в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в источнике лицензии.
В карточке указано применение в качестве энкодера для segmentation-models-pytorch; сама модель предназначена для обработки изображений и не является готовой системой сегментации. Лицензия обозначена как other, поэтому её условия нужно проверить отдельно.
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_resnext50_32x4d 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_resnext50_32x4d", 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.