Характеристики

Параметры: 113 млн
Архитектура: clip_vision_model · dense
Базовая модель: clip-vit-base-patch32
Опубликована: 28 апр 2024

Ссылки

Hugging Face

clip-vit-base-patch32_eurosat

tanganke

ЭмбеддингиТекст → embedding3 профессии

Дообученная на EuroSAT модель CLIP ViT-B/32 для извлечения признаков изображений.

19 531скачиваний за 30 дней0лайковвеса обновлены28 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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 дообученная модель зрения CLIP ViT-Base с размером патча 32, разработанная на основе openai/clip-vit-base-patch32 и обученная на наборе EuroSAT. В репозитории указана архитектура CLIPVisionModel и формат весов safetensors; размер модели — 113,2 млн параметров.

Модель предназначена для извлечения признаков изображений, в частности для сценариев компьютерного зрения, связанных с EuroSAT. В карточке приведены результаты оценки до и после дообучения: 0,4556 и 0,9907 соответственно; метрика не уточнена. Лицензия в доступных данных не указана.

Сценарии применения

извлечение признаков спутниковых изображений
подготовка векторов изображений для поиска
анализ изображений земного покрова
использование как визуального энкодера в задачах компьютерного зрения

Ограничения

Оценочная метрика и методика вычисления приведённых результатов не указаны. Карточка описывает визуальный энкодер, поэтому возможности текстового энкодера CLIP не следует считать частью этой модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card

Model Details

Architecture: ViT-Base with patch size 32
Training Data: EuroSAT dataset

Training Details

Adam Optimizer with a constant learning rate 1e-5 for 4000 steps training (batch_size=32). Only the vision encoder is fine-tuned.

Evaluation Results

pre-trained: 0.455623596906662
fine-tuned: 0.9906941652297974

Usage

load vision model

from transformers import CLIPVisionModel

vision_model = CLIPVisionModel.from_pretrained('tanganke/clip-vit-base-patch32_eurosat')

substitute the vision encoder of clip

from transformers import CLIPModel

clip_model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32")
clip_model.vision_model.load_state_dict(vision_model.vision_model.state_dict())

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: CLIPVisionModel
Ревизия весов: 7c114f5