Предобученные на ImageNet веса Xception для классификации изображений и использования как энкодера в segmentation-models-pytorch.
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/xception.imagenet размещены предобученные на ImageNet веса Xception, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель можно применять как основу для классификации изображений и извлечения признаков при построении моделей сегментации.
Карточка не сообщает размер модели, длину контекста или конкретные ограничения качества. Репозиторий содержит веса в формате safetensors; лицензия в метаданных обозначена как other, без уточнения условий.
В карточке не приведены оценки качества и подробные характеристики весов. Условия лицензии обозначены как other, поэтому конкретные права использования по этим данным установить нельзя.
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 xception model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("xception", 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.