/ Модель

Характеристики

Параметры
33 млн
Лицензия
Apache 2.0
Архитектура
swinv2 · dense
Базовая модель
swinv2-tiny-patch4-window16-256
Опубликована
19 мая 2024

SwinV2-30VNFood

Классификация изображенийИзображение → label3 профессии

Дообученная SwinV2-Tiny для классификации изображений вьетнамской еды по категориям набора 30VNFoods.

12скачиваний за 30 дней1лайквеса обновлены19 мая 2024

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

SwinV2-30VNFood — модель классификации изображений еды, созданная дообучением SwinV2-Tiny разработчиком vuongnhathien на наборе данных 30VNFoods. Она принимает изображение и предсказывает класс блюда среди категорий датасета. В карточке указаны точность 0,8772 и loss 0,4561 на тестовой выборке; модель содержит 33 млн параметров и сохранена в формате safetensors.

Модель подходит для распознавания вьетнамских блюд на фотографиях и прототипов приложений для каталогизации еды. Она лицензирована по Apache-2.0. Результаты за пределами оценочного набора и перечень поддерживаемых классов в карточке не раскрыты.

Сценарии применения

  • распознавание вьетнамских блюд на фотографиях
  • автоматическая категоризация изображений еды
  • создание прототипа приложения для распознавания блюд

Ограничения

Заявленная точность 0,8772 относится к оценочной выборке 30VNFoods; качество на других наборах и полный перечень классов в карточке не приведены.

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

SwinV2-30VNFood

This model is a fine-tuned version of microsoft/swinv2-tiny-patch4-window16-256 on the vuongnhathien/30VNFoods dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4561
  • Accuracy: 0.8772

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: 0.0003
  • train_batch_size: 64
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossAccuracy
0.75871.02750.54470.8477
0.43412.05500.48090.8640
0.27373.08250.47030.8763
0.17044.011000.50400.8791
0.12255.013750.48930.8879
0.08866.016500.57330.8863
0.05687.019250.59860.8803
0.04078.022000.56640.8998
0.01759.024750.57900.8998
0.017510.027500.57540.9038

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Swinv2ForImageClassification
Ревизия весов
b4121b6

0 моделей