/ Модель

Характеристики

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

unetplusplus-tu-resnet18

Сегментация изображенийИзображение → mask3 профессии

Модель U-Net++ для сегментации изображений по пикселям с предположительно ResNet18-энкодером.

165скачиваний 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 семантической сегментации изображений семейства U-Net++, опубликованная в формате safetensors и предназначенная для использования с библиотекой segmentation-models-pytorch. По названию репозитория можно предположить, что в качестве энкодера используется TU-ResNet18, однако README не раскрывает параметры и метрики модели. Модель принимает изображения и выдаёт разметку по пикселям.

README не сообщает, на каком наборе данных модель обучена, поэтому её точность и пригодность для конкретных изображений по карточке оценить нельзя. Лицензия модели — MIT.

Сценарии применения

  • семантическая сегментация изображений
  • создание пиксельных масок объектов на фотографиях
  • подготовка разметки изображений для компьютерного зрения

Ограничения

В карточке отсутствуют метрики и сведения о датасете, поэтому качество и область применимости модели не подтверждены. Энкодер TU-ResNet18 предполагается по названию репозитория.

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

UnetPlusPlus 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_attention_type": None,
    "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
f2cec00

0 моделей