/ Модель

Характеристики

Лицензия
MIT
Библиотека
segmentation-models-pytorch
Опубликована
23 дек 2024

deeplabv3plus-tu-resnet18

Сегментация изображенийИзображение → mask3 профессии

DeepLabV3Plus с энкодером Tu-ResNet18 сегментирует изображения, присваивая класс каждому пикселю.

556скачиваний за 30 дней0лайковвеса обновлены23 дек 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DeepLabV3Plus с энкодером Tu-ResNet18 — модель семантической сегментации изображений, опубликованная в репозитории smp-test-models на Hugging Face. Она предназначена для выделения и классификации областей на изображении по пикселям и может использоваться в задачах, где требуется получить маску сегментации. Модель загружается через библиотеку segmentation-models-pytorch и сохранена в формате safetensors.

В карточке не приведены метрики качества и название обучающего набора данных, поэтому оценить точность и область применимости по этим сведениям нельзя. Лицензия репозитория — MIT.

Сценарии применения

  • создание масок семантической сегментации изображений
  • выделение и классификация областей на изображении
  • сегментация изображений в приложениях на segmentation-models-pytorch

Ограничения

В карточке не приведены метрики качества и обучающий набор данных, поэтому точность и пригодность для конкретных предметных областей оценить нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DeepLabV3Plus Model Card

Table of Contents:

Load trained model

import segmentation_models_pytorch as smp

model = smp.from_pretrained("<save-directory-or-this-repo>")

Model init parameters

model_init_params = {
    "encoder_name": "tu-resnet18",
    "encoder_depth": 5,
    "encoder_weights": "imagenet",
    "encoder_output_stride": 16,
    "decoder_channels": 256,
    "decoder_atrous_rates": (12, 24, 36),
    "decoder_aspp_separable": True,
    "decoder_aspp_dropout": 0.5,
    "in_channels": 3,
    "classes": 1,
    "activation": None,
    "upsampling": 4,
    "aux_params": None
}

Model metrics

[More Information Needed]

Dataset

Dataset name: [More Information Needed]

More Information

This model has been pushed to the Hub using the PytorchModelHubMixin

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · segmentation-models-pytorch · image-segmentation

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
5d488ed

0 моделей