Предобученные на ImageNet веса EfficientNet-B4 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 веса EfficientNet-B4, предварительно обученной на ImageNet и предназначенной для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель классифицирует изображения и извлекает визуальные признаки, которые можно применять как основу для задач сегментации изображений.
Репозиторий предоставляет веса в формате safetensors; библиотека использует PyTorch. Карточка не сообщает размер модели, поддерживаемые языки или отдельные характеристики точности. Лицензия указана как other, поэтому условия использования следует проверить в репозитории.
Веса предназначены для ImageNet-классификации и в описании представлены как энкодер для segmentation-models-pytorch; качество на других задачах зависит от адаптации. Лицензия обозначена как other, поэтому условия использования нужно уточнить в репозитории.
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-b4 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-b4", 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.