Характеристики

Контекст: 1 024 токена
Параметры: 6,3 млн
Лицензия: Apache 2.0
Архитектура: detr · dense
Базовая модель: detr-resnet-50
Библиотека: transformers
Опубликована: 9 окт 2026

Ссылки

Hugging Face

202311536_furniture_finetuning

syc0413

Поиск объектовИзображение → bounding_boxes

Дообученная DETR-модель для обнаружения мебели и локализации объектов на изображениях.

279скачиваний за 30 дней0лайковвеса 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

Модель syc0413/202311536_furniture_finetuning — дообученная версия DETR на ResNet-50, предназначенная для обнаружения мебели на изображениях и предсказания классов объектов и их ограничивающих рамок. Она использует архитектуру DetrForObjectDetection и принимает изображения, возвращая метки классов и рамки. Модель основана на facebook/detr-resnet-50 и распространяется в формате safetensors.

Лицензия модели — Apache-2.0. В карточке не описаны датасет, набор классов мебели и результаты оценки, поэтому качество и пригодность для конкретных условий съёмки требуют отдельной проверки.

Сценарии применения

поиск мебели на фотографиях помещений
определение типов мебели на изображениях
локализация предметов мебели ограничивающими рамками

Ограничения

Карточка не сообщает, на каких данных обучена модель и какие классы мебели она распознаёт. Метрики качества и сведения о проверке в разных условиях съёмки не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

202311536_furniture_finetuning

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: 91cff12