/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
unet · dense
Опубликована
29 мая 2025

chess-board-segmentation-v6

Сегментация изображенийИзображение → mask3 профессии

UNet-модель выделяет шахматную доску и её границы на RGB-изображениях.

130скачиваний за 30 дней1лайквеса обновлены29 мая 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

Breakthrough V6 — модель сегментации изображений на архитектуре UNet, разработанная для выделения шахматной доски и определения её границ. Она предназначена для анализа RGB-изображений с доской при разных углах съёмки, освещении и стилях оформления. Размер входного изображения — 256×256 пикселей; модель использует 32 базовых канала. В карточке приведён показатель Dice 0,9391.

Модель распространяется в формате PyTorch по лицензии Apache-2.0. Она выдаёт сегментационную маску доски; поддержка других объектов или задач не заявлена.

Сценарии применения

  • сегментация шахматной доски на фотографии
  • определение границ доски при перспективном ракурсе
  • выделение доски при различном освещении
  • подготовка изображения доски для анализа шахматной позиции

Ограничения

Вход рассчитан на RGB-изображения размером 256×256 пикселей. Заявлена сегментация доски и её границ; другие шахматные объекты и задачи карточкой не подтверждены.

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

Chess Board Segmentation V6

Model Description

Breakthrough V6 UNet model for precise chess board segmentation and boundary detection.

Performance

  • Dice Score: 0.9391
  • Input Size: 256x256
  • Architecture: Custom UNet V6 with 32 base channels

Usage

import torch
from transformers import AutoModel

model = AutoModel.from_pretrained("yamero999/chess-board-segmentation-v6")
# Process 256x256 RGB images

Training

Trained on diverse chess board images with various angles, lighting conditions, and board styles.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-segmentation

Нельзя запустить

Архитектура unet неизвестна transformers в образе рантайма.

Класс архитектуры
BreakthroughUNetV6
Ревизия весов
58c2dc9

0 моделей