/ Модель

Характеристики

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

manet-tu-resnet18

Сегментация изображенийИзображение → mask3 профессии

MAnet с энкодером ResNet18 для семантической сегментации изображений через segmentation-models-pytorch.

166скачиваний 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

Это модель MAnet с энкодером ResNet18 для семантической сегментации изображений, размещённая в репозитории smp-test-models/manet-tu-resnet18. Она предназначена для присвоения меток пикселям изображения. Загрузить модель можно через библиотеку segmentation-models-pytorch и метод from_pretrained.

В карточке не приведены датасет и метрики качества, поэтому оценить точность модели и её пригодность для конкретных изображений нельзя. Модель опубликована под лицензией MIT.

Сценарии применения

  • создание попиксельных масок объектов на изображениях
  • выделение областей изображения по классам
  • встраивание семантической сегментации в приложение на PyTorch

Ограничения

В карточке отсутствуют название датасета и метрики качества, поэтому качество и область применимости модели не подтверждены.

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

MAnet 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",
    "decoder_use_batchnorm": True,
    "decoder_channels": (256, 128, 64, 32, 16),
    "decoder_pab_channels": 64,
    "in_channels": 3,
    "classes": 1,
    "activation": None,
    "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
290c7ac

0 моделей