Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-tiny-patch4-window7-224
Опубликована: 30 июн 2024

Ссылки

Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

suredream

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-Tiny для классификации изображений, предположительно ориентированная на набор EuroSAT.

11скачиваний за 30 дней0лайковвеса обновлены5 июл 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

suredream/swin-tiny-patch4-window7-224-finetuned-eurosat — дообученная модель компьютерного зрения на основе Swin-Tiny от Microsoft. Она предназначена для классификации изображений; название репозитория указывает на настройку для EuroSAT, однако README сообщает лишь о неизвестном наборе данных и не подтверждает его состав.

Модель содержит около 33 млн параметров и распространяется в формате safetensors. В README указаны результаты оценки: accuracy 0,9756 и loss 0,0778; описание набора данных и подробности оценки отсутствуют. Лицензия — Apache-2.0.

Сценарии применения

Классификация спутниковых изображений по категориям земного покрова
Эксперименты с классификацией изображений на основе Swin Transformer
Оценка дообученной модели компьютерного зрения на собственных изображениях

Ограничения

README не раскрывает состав обучающего и оценочного наборов данных или перечень классов. Показатели accuracy 0,9756 и loss 0,0778 приведены без подробностей протокола оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-eurosat

This model is a fine-tuned version of microsoft/swin-tiny-patch4-window7-224 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0778
Accuracy: 0.9756

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: 5e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2875	0.9941	126	0.1540	0.9517
0.2201	1.9961	253	0.0854	0.975
0.1714	2.9822	378	0.0778	0.9756

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: SwinForImageClassification
Ревизия весов: e4486b5