/ Модель

Характеристики

Лицензия
MIT
Библиотека
segmentation-models-pytorch
Опубликована
7 апр 2025

dpt-tu-test_vit

Сегментация изображенийИзображение → mask3 профессии

Модель DPT на базе segmentation-models-pytorch для семантической сегментации изображений.

211скачиваний за 30 дней0лайковвеса обновлены7 апр 2025

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

Это модель DPT для семантической сегментации изображений, опубликованная в репозитории smp-test-models/dpt-tu-test_vit. Карточка указывает библиотеку segmentation-models-pytorch и формат весов safetensors; модель можно загружать через интерфейс smp.from_pretrained.

Модель предназначена для присвоения меток областям изображения. В карточке не приведены метрики и сведения о датасете, поэтому качество и область, на которой модель обучалась, оценить нельзя. Лицензия — MIT.

Сценарии применения

  • сегментация объектов и областей на изображениях
  • разметка пикселей по классам
  • встраивание семантической сегментации в приложение на PyTorch

Ограничения

Метрики качества и сведения о датасете в карточке отсутствуют, поэтому ожидаемую точность и пригодность для конкретных изображений определить 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

DPT 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-test_vit",
    "encoder_depth": 4,
    "encoder_weights": "imagenet",
    "encoder_output_indices": None,
    "decoder_readout": "cat",
    "decoder_intermediate_channels": (16, 32, 64, 64),
    "decoder_fusion_channels": 16,
    "in_channels": 3,
    "classes": 1,
    "activation": None,
    "aux_params": None,
    "dynamic_img_size": True
}

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
36f153b

0 моделей