Характеристики

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

Ссылки

Hugging Face

detr-r50-furniture-partial

thought0129

Поиск объектовИзображение → bounding_boxes

Дообученная на базе DETR ResNet-50 модель для обнаружения объектов, предположительно мебели, на изображениях.

158скачиваний за 30 дней0лайковвеса обновлены6 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

detr-r50-furniture-partial — дообученная модель DETR с архитектурой DetrForObjectDetection на базе ResNet-50, созданная на основе facebook/detr-resnet-50. Она предназначена для обнаружения объектов на изображениях; название указывает на мебельную тематику, однако состав классов и набор данных не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

поиск мебели на изображениях
обнаружение и локализация объектов мебели
получение рамок объектов на фотографиях

Ограничения

README не сообщает, на каких данных обучалась модель, какие классы она распознаёт и каковы результаты оценки; мебельная специализация предполагается по названию репозитория.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

detr-r50-furniture-partial

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: 4
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 8
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 2.14.1+cu130
Datasets 5.0.1
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: 01f1770