Энкодер ResNet-50 на базе MoCo-v2+Geo+TP для извлечения признаков и классификации спутниковых изображений.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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
Это веса энкодера ResNet-50 для анализа спутниковых изображений: модель получена из MoCo-v2+Geo+TP и адаптирована для извлечения энкодера. Веса можно использовать как основу для классификации изображений и других задач компьютерного зрения на геопространственных данных.
Репозиторий содержит формат PyTorch. В README указано, что при подготовке удалены веса классификационного слоя fc; сведения о конкретном размере входа, контексте и точности на задачах не приводятся. Модель опубликована TorchGeo под лицензией CC BY 4.0.
Веса энкодера не включают классификационный слой fc, поэтому для классификации требуется добавить и обучить собственную голову. README не сообщает показатели качества и точные характеристики входных изображений.
README от автора на Hugging Face, как он его опубликовал
Weights for the MoCo-v2+Geo+TP model from https://github.com/sustainlab-group/geography-aware-ssl, adapted to only extract the encoder using the following code:
import torch
x = torch.load("moco_geo+tp.pth", map_location="cpu")
x = x["state_dict"]
x = {k.replace("module.encoder_q.", ""): v for k, v in x.items() if "encoder_q" in k and "fc" not in k}
torch.save(x, "resnet50_fmow_rgb_gassl-44b4461b.pth")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · torchgeo · image-classification
В репозитории нет config.json: не понять архитектуру модели.