Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Библиотека: transformers
Опубликована: 3 сен 2026

Ссылки

Hugging Face

finetuned-ucf101-subset

tihon-nth

Классификация видеоВидео → label3 профессии

Дообученная модель VideoMAE для классификации видео.

18скачиваний за 30 дней0лайковвеса обновлены3 сен 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 tihon-nth/finetuned-ucf101-subset — дообученный видеотрансформер VideoMAE-base на основе MCG-NJU/videomae-base, разработанный автором репозитория tihon-nth. Она предназначена для классификации видео; в README приведены результаты на оценочном наборе: accuracy 0,8516 и loss 0,2251.

Модель содержит 113,2 млн параметров, построена на архитектуре VideoMAEForVideoClassification и распространяется в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Сведения о классах действий, составе обучающего набора и конкретных ограничениях в карточке отсутствуют.

Сценарии применения

классификация видео по категориям действий
распознавание действий в видеороликах
оценка моделей классификации видео на пользовательском наборе

Ограничения

README не раскрывает классы меток и детали обучающего набора, поэтому применимость к конкретным категориям действий неясна. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

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

finetuned-ucf101-subset

This model is a fine-tuned version of MCG-NJU/videomae-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2251
Accuracy: 0.8516

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: 5e-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
training_steps: 370

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.8372	0.1027	38	0.7755	0.1
0.4972	1.1027	76	0.6381	0.3
0.3633	2.1027	114	0.5018	0.6143
0.2332	3.1027	152	0.3362	0.7429
0.1431	4.1027	190	0.3253	0.7286
0.1360	5.1027	228	0.2087	0.8571
0.0914	6.1027	266	0.1770	0.8286
0.0544	7.1027	304	0.2067	0.7857
0.0613	8.1027	342	0.2690	0.7571
0.0387	9.0757	370	0.2024	0.8

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 5.0.1
Tokenizers 0.23.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: VideoMAEForVideoClassification
Ревизия весов: cce9084