/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
6,3 млн
Лицензия
Apache 2.0
Архитектура
detr · dense
Опубликована
9 апр 2024

Ссылки

Hugging Face

results_hugging_face

ssamperr
Поиск объектовИзображение → bounding_boxes3 профессии

Компактная дообученная модель DETR для обнаружения объектов на изображениях.

15скачиваний за 30 дней0лайковвеса обновлены10 апр 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

ssamperr/results_hugging_face — модель обнаружения объектов на изображениях, основанная на архитектуре DETR и представленная разработчиком ssamperr. В карточке указано, что это дообученная версия той же модели; число параметров — 6,3 млн. Модель предназначена для поиска и локализации объектов на изображениях.

Репозиторий содержит веса в формате safetensors и опубликован по лицензии Apache-2.0. Карточка не описывает набор данных, классы объектов, качество, обучение или ограничения, поэтому оценить точность на конкретных изображениях нельзя.

Сценарии применения

  • поиск и локализация объектов на изображении
  • подсчёт объектов заданных классов на изображении
  • разметка изображений рамками вокруг обнаруженных объектов

Ограничения

В карточке не приведены классы объектов, обучающие данные или результаты оценки; качество для конкретных сценариев не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results_hugging_face

This model is a fine-tuned version of ssamperr/results_hugging_face on the None dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 100

Training results

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.2.1+cpu
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
DetrForObjectDetection
Ревизия весов
84af6af

0 моделей

    Создать бенчмарк