Характеристики

Контекст: 1 024 токена
Параметры: 6,3 млн
Лицензия: Apache 2.0
Архитектура: detr · dense
Базовая модель: detr-resnet-50
Библиотека: transformers
Опубликована: 10 окт 2026

Ссылки

Hugging Face

detr-resnet-50-furniture-full

ssunsss

Поиск объектовИзображение → bounding_boxes

Дообученная DETR на ResNet-50 для обнаружения и локализации мебели на изображениях.

178скачиваний за 30 дней1лайквеса обновлены10 окт 2026

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

ssunsss/detr-resnet-50-furniture-full — модель обнаружения объектов, созданная дообучением facebook/detr-resnet-50. Она принимает изображения и предсказывает классы объектов и ограничивающие рамки; название указывает на применение к мебели, однако README не раскрывает категории мебели и данные обучения. Модель доступна в формате safetensors и использует библиотеку Transformers.

Модель подходит для поиска и локализации предметов мебели на изображениях. В метаданных указаны лицензия Apache-2.0 и размер 6,3 млн параметров; сведений о качестве оценки и составе обучающего набора нет.

Сценарии применения

поиск мебели на фотографиях комнат
определение расположения предметов мебели на изображении
разметка изображений мебели ограничивающими рамками

Ограничения

README не сообщает, какие именно классы мебели распознаются, на каких данных обучалась модель и каково её качество; её надёжность на конкретных изображениях не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

detr-resnet-50-furniture-full

This model is a fine-tuned version of facebook/detr-resnet-50 on an unknown 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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 100
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.57.6
Pytorch 2.11.0+cu130
Datasets 4.8.5
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры: DetrForObjectDetection
Ревизия весов: 75df3c3