/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
timm
Опубликована
27 июл 2023

vit_large_patch14_clip_336.laion2b_ft_augreg_inat21

Классификация изображенийИзображение → label3 профессии

Крупная модель Vision Transformer, дообученная на iNaturalist 2021 для классификации изображений 10 000 видов живых организмов.

143скачиваний за 30 дней1лайквеса обновлены21 янв 2025

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 timm/vit_large_patch14_clip_336.laion2b_ft_augreg_inat21 разработана как часть серии экспериментов по дообучению моделей timm на данных конкурса iNaturalist 2021. Это крупная модель семейства Vision Transformer с патчами 14 пикселей, предварительно обученная с CLIP на LAION-2B и затем дообученная для классификации изображений видов живых организмов. Она охватывает 10 000 видов; размер изображения при обучении — 336 пикселей.

Валидация на iNaturalist 2021 показала точность Top-1 91,48% и Top-5 97,89%. Модель подходит для распознавания видов по фотографиям, например, для изучения снимков природы и классификации изображений валидационного набора iNaturalist 2021. Карточка описывает её как эксперимент по сравнению влияния данных предварительного обучения; указано, что использовался прямой fine-tuning без дополнительных метаданных. Модель доступна в форматах PyTorch и safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • распознавание видов растений и животных по фотографиям
  • классификация изображений видов из iNaturalist 2021
  • поиск и изучение видов на снимках природы

Ограничения

Модель охватывает 10 000 видов и, по карточке, уступает по масштабу моделям на сайте iNaturalist. 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card for vit_large_patch14_clip_336.laion2b_ft_augreg_inat21

Part of a series of timm fine-tune experiments on iNaturalist 2021 competition data (https://github.com/visipedia/inat_comp/tree/master/2021) for higher capacity models.

Covering 10,000 species, this dataset and these models are fun to explore via the classification widget with pictures from your backyard, but quite a bit smaller than models you can find on iNaturalist website (https://www.inaturalist.org/blog/75633-a-new-computer-vision-model-v2-1-including-1-770-new-taxa).

No extra meta-data was used for training these models (as was the case for the competition), it was a straightfoward fine-tune to explore differences in model pretrain data.

ModelTop-1Top-5Img Size (Train)Paper
eva02_large_patch14_clip_336.merged2b_ft_inat2192.0598.01336https://arxiv.org/abs/2303.11331
vit_large_patch14_clip_336.datacompxl_ft_augreg_inat2191.9898.03336https://arxiv.org/abs/2304.14108
vit_large_patch14_clip_336.laion2b_ft_augreg_inat2191.4897.89336https://arxiv.org/abs/2212.07143
convnext_large_mlp.laion2b_ft_augreg_inat2190.9597.68448 (384)
vit_large_patch14_clip_336.datacompxl_ft_inat2190.8597.68336https://arxiv.org/abs/2304.14108
convnext_large_mlp.laion2b_ft_augreg_inat2190.6297.61384
vit_large_patch14_clip_336.laion2b_ft_in12k_in1k_inat2190.2997.44336https://arxiv.org/abs/2212.07143

Run Validation

python validate.py /tfds/ --dataset tfds/i_naturalist2021 --model hf-hub:timm/vit_large_patch14_clip_336.laion2b_ft_augreg_inat21 --split val --amp

Citation

@inproceedings{cherti2023reproducible,
  title={Reproducible scaling laws for contrastive language-image learning},
  author={Cherti, Mehdi and Beaumont, Romain and Wightman, Ross and Wortsman, Mitchell and Ilharco, Gabriel and Gordon, Cade and Schuhmann, Christoph and Schmidt, Ludwig and Jitsev, Jenia},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  pages={2818--2829},
  year={2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов
72a53b6

0 моделей