Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-large-patch16-384
Библиотека: transformers
Опубликована: 4 мар 2025

Ссылки

Hugging Face

fashion-images-pack-types-vit-large-patch16-384-v1

touchtech

Классификация изображенийИзображение → label3 профессии

Дообученный ViT-Large классифицирует изображения по типам упаковки товаров модной индустрии.

421скачиваний за 30 дней0лайковвеса обновлены5 мар 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 touchtech/fashion-images-pack-types-vit-large-patch16-384-v1 — дообученная Touchtech версия Vision Transformer ViT-Large с патчами 16×16 и входным разрешением 384 пикселя. Она принимает изображения и классифицирует типы упаковки в модной одежде. В карточке указаны результаты на оценочной выборке: accuracy 0,99 и loss 0,0446; модель построена на базе google/vit-large-patch16-384 и опубликована в формате safetensors для Transformers.

Модель подходит для автоматической сортировки изображений упаковки в каталогах или на этапах обработки изображений товаров. Данных о поддерживаемых языках нет, поскольку входом служат изображения, а выходом — метки классов. Модель распространяется по лицензии Apache-2.0. Показатели оценки приведены без описания состава выборки и методики, поэтому их нельзя считать гарантией качества на других данных.

Сценарии применения

Классификация типа упаковки на фотографиях одежды
Автоматическая сортировка изображений упаковки в каталоге товаров
Разметка изображений упаковки для последующей обработки

Ограничения

Описание модели, обучающих данных и ограничений в README отсутствует. Метрики accuracy 0,99 и loss 0,0446 приведены без состава оценочной выборки и методики, поэтому качество на других данных не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

fashion-images-pack-types-vit-large-patch16-384-v1

This model is a fine-tuned version of google/vit-large-patch16-384 on the touchtech/fashion-images-pack-types dataset. It achieves the following results on the evaluation set:

Loss: 0.0446
Accuracy: 0.9900

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: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 1337
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0823	1.0	1697	0.0661	0.9837
0.0197	2.0	3394	0.0900	0.9812
0.015	3.0	5091	0.0446	0.9900
0.0017	4.0	6788	0.0518	0.9912
0.0	5.0	8485	0.0485	0.9917

Framework versions

Transformers 4.49.0
Pytorch 2.6.0+cu124
Datasets 3.3.2
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 3c71df4