Предобученный энкодер EfficientNet-B0 с весами Noisy Student для классификации изображений и построения моделей 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 веса EfficientNet-B0 с обучением по методу Noisy Student, опубликованные в репозитории smp-hub и предназначенные для использования в качестве энкодера библиотеки segmentation-models-pytorch. Веса можно применять как основу для моделей сегментации изображений, а также для классификации изображений.
Модель принимает изображения и выдаёт признаки, пригодные для классификации или передачи в декодер сегментации. Карточка не сообщает размер набора классов, разрешение входных изображений или показатели качества. Репозиторий предоставляет веса в формате Safetensors; лицензия указана как other, поэтому условия использования следует уточнить в репозитории.
Карточка не приводит метрики качества, состав классов и параметры входного изображения. Указана лицензия other, поэтому её конкретные условия требуют проверки.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository contains the noisy-student pre-trained weights for the timm-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("timm-efficientnet-b0", encoder_weights="noisy-student")
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.