Предобученный на ImageNet энкодер EfficientNet-B3 для классификации изображений и построения сегментационных моделей.
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 EfficientNet-B3 из семейства timm, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель также подходит для классификации изображений, что отражено в задаче image-classification в метаданных.
Веса можно применять как основу для сегментационных моделей: энкодер извлекает признаки из изображений, которые затем используются для предсказания масок. Репозиторий содержит веса в формате safetensors; README указывает на использование через библиотеку segmentation-models-pytorch.
Модель принимает изображения и выдаёт классы либо признаки для последующей сегментации. Лицензия указана как other, поэтому конкретные условия использования следует проверить в файлах репозитория и источниках лицензии.
README описывает веса как энкодер для segmentation-models-pytorch; отдельные условия лицензии в предоставленных 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 timm-efficientnet-b3 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-b3", 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.