Дообученная на GTSRB визуальная модель CLIP извлекает признаки для классификации дорожных знаков.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель tanganke/clip-vit-large-patch14_gtsrb — дообученная версия CLIP ViT-L/14 от OpenAI для извлечения признаков изображений. Она обучена на наборе данных GTSRB, посвящённом распознаванию дорожных знаков, и предназначена для получения визуальных представлений, полезных при классификации таких знаков. Архитектура — CLIPVisionModel на базе ViT-Large с размером патча 14; модель содержит около 402,7 млн параметров.
В оценке, приведённой в карточке, результат после дообучения составляет 0,993 против 0,438 для предобученной модели; метрика не названа. Модель принимает изображения и выдаёт векторы признаков. Лицензия и языковая поддержка в предоставленных данных не описаны.
В карточке не названа метрика, использованная для приведённых результатов оценки. Языковая поддержка и лицензия в предоставленных данных не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Adam Optimizer with a constant learning rate 1e-5 for 4000 steps training (batch_size=32). Only the vision encoder is fine-tuned.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…