Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 8 авг 2022

Ссылки

Hugging Face

stanford-car-vit-patch16

therealcyberlord

Классификация изображенийИзображение → label3 профессии

ViT распознаёт марку, модель и год автомобиля на изображении среди 196 классов набора Stanford Cars.

12 518скачиваний за 30 дней7лайковвеса обновлены13 июн 2023

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

therealcyberlord/stanford-car-vit-patch16 — модель классификации изображений на базе Vision Transformer (ViT), дообученная на наборе Stanford Cars. Она распознаёт 196 классов автомобилей, обычно различающихся маркой, моделью и годом выпуска, например Tesla Model S 2012 года или BMW M3 Coupe 2012 года. В карточке заявлена точность около 86% на тестовой выборке.

Модель предназначена для определения модели автомобиля по изображению и может служить базовым решением для экспериментов или последующего дообучения. Доступны веса в форматах PyTorch и Safetensors; для загрузки README показывает библиотеку Transformers. Набор данных не содержит новых моделей автомобилей, поэтому распознавание актуальных выпусков может быть ненадёжным. Лицензия — Apache-2.0.

Сценарии применения

определение модели автомобиля по фотографии
классификация изображений автомобилей по марке и модели
распознавание года выпуска автомобиля из набора поддерживаемых классов

Ограничения

Набор Stanford Cars не содержит более новых моделей автомобилей; заявленная точность около 86% относится к тестовой выборке автора.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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 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

ViT Fine-tuned on Stanford Car Dataset

Base model: https://huggingface.co/google/vit-base-patch16-224

This achieves around 86% on the testing set, you can use it as a baseline for further tuning.

Dataset Description

The Stanford car dataset contains 16,185 images of 196 classes of cars. Classes are typically at the level of Make, Model, Year, e.g. 2012 Tesla Model S or 2012 BMW M3 coupe. The data is split into 8144 training images, 6,041 testing images, and 2000 validation images in this case.

** Please note: this dataset does not contain newer car models **

Using the Model in the Transformer Library

from transformers import AutoFeatureExtractor, AutoModelForImageClassification

extractor = AutoFeatureExtractor.from_pretrained("therealcyberlord/stanford-car-vit-patch16")
model = AutoModelForImageClassification.from_pretrained("therealcyberlord/stanford-car-vit-patch16")

Citations

3D Object Representations for Fine-Grained Categorization Jonathan Krause, Michael Stark, Jia Deng, Li Fei-Fei 4th IEEE Workshop on 3D Representation and Recognition, at ICCV 2013 (3dRR-13). Sydney, Australia. Dec. 8, 2013.

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: ViTForImageClassification
Ревизия весов: 4a2c3da