Характеристики

Параметры: 113 млн
Архитектура: videomae · dense
Опубликована: 16 мая 2024

Ссылки

Hugging Face

AV_MAE_LAVDF_noCE_new

yadvender12

Классификация видеоВидео → label3 профессии

Дообученная модель VideoMAE примерно с 113,2 млн параметров для классификации видео.

9скачиваний за 30 дней0лайковвеса обновлены16 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

AVMAELAVDFnoCEnew — дообученная модель VideoMAE для классификации видео. В репозитории указано качество на оценочной выборке: точность 0,9417 и F1 0,9415 при значении loss 0,2811. Архитектура относится к VideoMAE и содержит около 113,2 млн параметров; веса опубликованы в формате Safetensors.

Карточка не описывает классы, обучающий датасет, предполагаемые сценарии использования или ограничения, поэтому назначение классификации и переносимость результатов на другие данные неясны. Идентификатор базовой модели, необходимый для точного указания происхождения, не приведён. Лицензия в доступных данных не указана.

Сценарии применения

Классификация видеоклипов по категориям
Экспериментальная оценка классификатора VideoMAE на видео
Проверка качества модели на собственной размеченной выборке

Ограничения

В карточке не указаны классы, датасет, лицензия и условия применения; приведённые метрики относятся только к оценочной выборке и не гарантируют качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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 I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AV_MAE_LAVDF_noCE_new

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

Loss: 0.2811
Accuracy: 0.9417
F1: 0.9415

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
training_steps: 38740
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
0.3825	0.19	7354	0.3419	0.9165	0.9154
0.1063	1.19	14710	0.3190	0.9277	0.9274
0.1112	2.19	22064	0.3054	0.9380	0.9378
0.1062	3.19	29419	0.2962	0.9347	0.9343
0.142	4.19	36774	0.2788	0.9420	0.9418
0.0595	5.05	38740	0.2811	0.9417	0.9415

Framework versions

Transformers 4.37.2
Pytorch 2.2.1+cu118
Datasets 2.18.0
Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: VideoMAEForVideoClassification
Ревизия весов: ecae2bd