Предобученная на ImageNet EfficientNet-B5 классифицирует изображения и служит энкодером для 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
В репозитории smp-hub размещены предварительно обученные на ImageNet веса EfficientNet-B5 из семейства timm. Модель предназначена для классификации изображений и может использоваться как энкодер в библиотеке segmentation-models-pytorch, в том числе в моделях сегментации.
Весовые файлы представлены в формате safetensors; библиотека для работы с моделью — segmentation-models-pytorch. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и исходных весов. В карточке не приведены сведения о точности, размере модели и ограничениях применения.
Карточка не сообщает метрики качества или ограничения; указана лицензия other, условия которой 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-b5 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-b5", 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.