II.8Инженерия данных и аналитика

Это модель семантической сегментации изображений на базе SegFormer-B3, разработанная как дообучение модели NVIDIA nvidia/segformer-b3-finetuned-ade-512-512 на наборе peldrak/coastTrain_512-512. Она предназначена для разметки изображений побережья по классам «вода», «прибой», «осадочные породы», «прочий природный рельеф», «растительность», «застройка» и «неизвестно». На оценочном наборе указаны mIoU 0,7092 и общая точность 0,8790; результаты заметно различаются между классами, особенно ниже для прочего природного рельефа (IoU 0,4259). Модель опубликована в формате safetensors; лицензия указана как other.

Delphia/twitter-spam-classifier — модель классификации текста на базе BERT, обученная с помощью AutoTrain на твитах о Tesla из X/Twitter. Она относит публикации к двум классам: 0 — допустимая публикация, 1 — спам; при обучении спам связывался с троллингом, ненормативной лексикой и крайними политическими взглядами. Модель рассчитана на фильтрацию таких публикаций в потоке сообщений о Tesla. Модель содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Валидационные метрики из карточки: F1 0,806, точность 0,783, полнота 0,831 и AUC 0,842. Разработчик и лицензия в доступных данных не указаны.

Карточка модели torchgeo/vit_small_patch16_224_sentinel2_all_moco на Hugging Face совпадает с карточкой torchgeo/resnet50_sentinel2_all_dino, поэтому описание составлено по ней. Карточка модели torchgeo/resnet50_sentinel2_all_dino на Hugging Face совпадает с карточкой torchgeo/resnet18_sentinel2_all_moco, поэтому описание составлено по ней. Карточка модели torchgeo/resnet18_sentinel2_all_moco на Hugging Face совпадает с карточкой torchgeo/resnet50_sentinel2_all_dino, поэтому описание составлено по ней. Это веса ResNet-50 для изображений Sentinel-2, опубликованные TorchGeo и изменённые для загрузки с помощью timm. Модель предназначена для классификации спутниковых изображений; метаданные Hugging Face также указывают задачу image-classification и библиотеку TorchGeo. В репозитории хранятся веса PyTorch, лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

wavlm-bert-base-s-emotion-russian-resd — русскоязычная модель распознавания эмоций в речи, разработанная AniEmore. Она объединяет аудиобашню на базе WavLM/wav2vec2, дообученную для русского распознавания речи, с текстовым кодировщиком RuBERT и классифицирует аудиозапись вместе с её транскриптом по семи классам: гнев, отвращение, энтузиазм, страх, радость, нейтральное состояние и грусть. Модель содержит 493 млн параметров; для работы нужны монофонический аудиосигнал с частотой 16 кГц и текст высказывания. В README оценка macro-F1 на тестовой выборке RESD составляет 0,7368, но на спонтанной речи из подкастов — 0,0927, что указывает на заметное снижение качества вне обучающего распределения. Модель подходит для анализа эмоциональной окраски русской речи в коротких одноголосных записях, например при разметке датасетов или изучении разговоров. Она обучена на RESD, где речь постановочная и классы сбалансированы; на спонтанной речи может чрезмерно часто предсказывать эмоции вместо нейтрального класса. Поддерживаются только семь перечисленных классов и русский язык. Лицензия — MIT.

Модель keremberke/yolov8s-pothole-segmentation — модель компьютерного зрения на базе YOLOv8s, опубликованная пользователем keremberke. Она предназначена для сегментации выбоин на изображениях дорожного покрытия и выделяет область объекта маской с меткой pothole. Модель можно применять для анализа снимков дорог и первичной разметки дефектов при обследовании дорожной инфраструктуры. Репозиторий содержит веса PyTorch, для работы используется библиотека Ultralytics. Карточка указывает единственную поддерживаемую метку — pothole. Сведения о размере модели, языках, контекстном окне и лицензии в предоставленных источниках отсутствуют.

manfye/baby-cry-detector — компактная сверточная нейросеть CNN версии 0.2 для бинарной классификации аудио на плач младенца и другие звуки. Модель опубликована в формате ONNX и рассчитана на запуск через ONNX Runtime, в том числе в локальном веб-демо на Next.js. На вход подаётся монофонический звук с частотой 16 кГц. Он обрабатывается окнами длительностью 3,072 секунды с шагом 1,536 секунды для длинных записей; короткие фрагменты дополняются нулями. Перед классификацией применяется фильтр тишины и широкополосного шума, а также нормализация громкости. Метаданные фронтенда log-mel и статистики обучения сохранены отдельно. В документации приведены результаты на нескольких наборах данных, но автор уточняет, что это оценки на уровне наборов данных, а не независимая проверка в реальных условиях. Модель предназначена только для экспериментов и не подходит для диагностики, контроля безопасности или принятия решений о необходимости медицинской помощи младенцу. Лицензия — CC BY-SA 4.0.

Карточка модели fieldsoftheworld/ftp-b3 на Hugging Face совпадает с карточкой taylor-geospatial/ftp-b3, поэтому описание составлено по ней. FTP-PRUE+ (EfficientNet-B3) — модель сегментации границ полей от Fields of the Planet (FTP), разработанная как модель для снимков PlanetScope. Она предназначена для выделения полей и их границ на спутниковых изображениях сельскохозяйственных территорий с разрешением 3 м на пиксель. Модель использует энкодер EfficientNet-B3 и декодер U-Net. На вход подаются изображения из двух сезонных окон — периода посадки и периода сбора урожая — с четырьмя каналами в каждом, всего восемь каналов отражательной способности поверхности. Выход — маска из трёх классов: фон, поле и граница. Для получения полигонов отдельных полей README рекомендует применять постобработку watershed; при оценке также использовалась D4 TTA. Модель подходит для картирования границ полей по данным PlanetScope и анализа сельскохозяйственных ландшафтов. Доступны веса в форматах safetensors, PyTorch Lightning и ONNX; для лицензии CC BY-NC 4.0 действуют ограничения на коммерческое использование.

Модель peldrak/segformer-b4-ade-finetuned-coastTrain — сегментатор изображений на архитектуре SegFormer B4, разработанный пользователем peldrak и дообученный на наборе данных peldrak/coastTrain поверх nvidia/segformer-b4-finetuned-ade-512-512. Она предназначена для семантической сегментации прибрежных сцен: каждому пикселю присваивается класс воды, белой пены прибоя, осадка, другого природного рельефа, растительности, застройки или неизвестной области. На оценочной выборке указаны mean IoU 0,7615 и общая точность 0,9286. Результаты неоднородны: IoU для воды составляет 0,9253, а для белой пены — 0,4607, поэтому распознавание пены заметно слабее. Модель принимает изображения и выдаёт карту семантических классов. Лицензия указана как other; конкретные условия использования следует сверить с репозиторием модели и базовой модели.

Это модель семантической сегментации изображений прибрежной местности, разработанная peldrak путём дообучения SegFormer B0 от NVIDIA на наборе данных peldrak/coastal_dataset. Модель размечает пиксели по классам: вода, белая пена прибоя, осадочные породы, другая природная поверхность, растительность, застройка и неизвестный объект. На оценочном наборе указаны mean IoU 0,6876 и общая точность 0,8704. Точность различается по классам: например, для воды она составляет 0,9332, а для другой природной поверхности — 0,4778. Модель принимает изображения и выдаёт карту сегментации. Веса опубликованы в формате PyTorch; лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели.

Dr-BERT/CAS-Biomedical-POS-Tagging — модель для разметки частей речи в клинических случаях на французском языке. Она основана на CamemBERT и дообучена на корпусе bigbio/cas с использованием DrBERT-7GB как предварительно обученной модели. Модель содержит 137,8 млн параметров, принимает последовательности текста с контекстом до 514 токенов и выдаёт метки для токенов. Модель предназначена для морфосинтаксического анализа французских клинических записей и исследований по обработке биомедицинского текста. В карточке указано 200 эпох обучения. Модель распространяется по лицензии Apache-2.0.

Delineate Anything v2 — модель сегментации изображений, разработанная Mykola Lavreniuk и соавторами для определения границ сельскохозяйственных полей. Она предназначена для анализа спутниковых и других изображений земной поверхности с разным разрешением, включая режим zero-shot. Модель обучена на наборе FBIS-73M, содержащем 73 миллиона экземпляров из 61 страны и изображения с разрешением от 0,25 до 10 м. По данным авторов, версия v2 повысила mAP@0.5 на 103,3% относительно первой версии; обработка территории Украины площадью 603 000 км² заняла 5,4 часа на ПК с одной видеокартой NVIDIA RTX 5070 Ti с 16 ГБ памяти. Репозиторий использует PyTorch и библиотеку Ultralytics. Лицензия — AGPL-3.0.

fma2vec — предварительно обученная модель на архитектуре wav2vec 2.0, созданная командой студентов курса Digital Musicology DH-401 в EPFL. Модель обучена на коллекции Free Music Archive в рамках проекта по прогнозированию популярности музыки с помощью глубоких нейронных сетей. Чекпойнт содержит около 113,3 млн параметров и предназначен для извлечения признаков из аудио. README упоминает предварительное обучение и последующее дообучение для задачи проекта, однако не уточняет интерфейс модели для прогноза популярности или результаты оценки качества. Доступны веса PyTorch и Safetensors; условия лицензии в предоставленных данных не описаны.

ifoodie-rating-reset-v13 — модель классификации изображений, опубликованная пользователем sainteye. Она предназначена для оценки изображений еды по трём категориям: «качественная», «плохая» и «обычная». Судя по метаданным, модель использует архитектуру Swin Transformer и реализована с помощью PyTorch и Transformers; размер модели составляет около 33 млн параметров. Модель подходит для автоматической сортировки и предварительной оценки фотографий блюд, например в приложениях о еде или каталогах ресторанов. В README для неё указана метрика accuracy со значением около 0,9884, однако эта оценка относится к конкретному набору данных и не гарантирует аналогичную точность на других изображениях. Модель специализирована на трёх категориях качества и может быть чувствительна к освещению, ракурсу, фону и содержимому фотографий. Информация о лицензии в предоставленных данных отсутствует.

eulogik/nanoforecast-v06-hc — экспериментальный исследовательский чекпойнт NanoForecast, а не выпуск версии v0.6. Модель предназначена для прогнозирования временных рядов и содержит около 1 млн параметров; файлы опубликованы в формате safetensors, библиотека — nanoforecast. В эксперименте отключили DART-нормализацию, усилили вес каналов electricity и traffic и обучали модель 100 эпох; лучший результат получен на 12-й эпохе. Чекпойнт улучшил результаты на наборах electricity и traffic, но ухудшил точность на ETTh1, ETTh2, ETTm1 и exchange_rate и не прошёл критерий принятия релиза. Для общего прогнозирования автор рекомендует eulogik/nanoforecast-v05. Модель выпущена под лицензией Apache-2.0.

SegFormer B0 — компактная модель семантической сегментации изображений, разработанная на основе nvidia/mit-b0 и дообученная Chamusuke на наборе segments/sidewalk-semantic. Она размечает пиксели на классы, включая дорогу, тротуар, велосипедную дорожку, людей, автомобили, здания, растительность и небо, поэтому подходит для анализа уличных и дорожных сцен. На тестовом наборе указаны mean IoU 0,3425 и общая точность 0,8735. Качество заметно различается по классам: высокие значения IoU приведены для тротуара, дороги, велосипедной дорожки и автомобилей, тогда как некоторые классы имеют нулевые или очень низкие результаты. Модель принимает изображение и выдаёт карту семантических классов. Лицензия в метаданных обозначена как other, без уточнения конкретных условий.

stanfordnlp/stanza-is — модель Stanza для лингвистического анализа текстов на исландском языке, подготовленная проектом Stanza. Она предназначена для разметки токенов в составе инструментов анализа естественного языка; Stanza также предоставляет средства синтаксического анализа и распознавания сущностей, однако карточка этой модели подтверждает только задачу token-classification. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

google/tapas-large-masklm — модель семейства TAPAS от Google для задачи fill-mask: предсказания скрытых токенов в последовательностях, содержащих текст и таблицы. Это крупная модель с архитектурой TapasForMaskedLM, примерно 433,9 млн параметров и контекстом до 1024 токенов. Карточка связывает её с вариантом tapas_masklm_large_reset из исходного репозитория. Модель подходит для восстановления пропусков в табличном тексте и экспериментов с маскированным языковым моделированием таблиц. Доступны веса в форматах PyTorch и TensorFlow. Лицензия и конкретный перечень поддерживаемых языков в предоставленных данных не указаны.

NeoQuasar/WindFM-Tokenizer — модель для прогнозирования временных рядов, ориентированная на данные ветроэнергетики. В метаданных Hugging Face указана задача time-series-forecasting, а в README и тегах — область Wind Power. README направляет к репозиторию WindFM для сведений об использовании модели. Модель распространяется по лицензии MIT. В доступных материалах не приведены сведения об архитектуре, размере, модальностях, поддерживаемых языках или длине контекста, поэтому эти характеристики не описываются.

BilmaLat — модель семейства RoBERTa, разработанная для работы с испанскими сообщениями в Twitter. Она обучена на более чем 600 миллионах испаноязычных твитов, опубликованных с декабря 2015 года по февраль 2023 года. К каждому сообщению добавлялись коды страны, год и месяц публикации; упоминания пользователей и URL заменялись специальными токенами. Модель с 136,3 млн параметров использует архитектуру RobertaForMaskedLM и предназначена для задачи fill-mask: она предсказывает замаскированные слова в тексте. Контекст ограничен 128 токенами, словарь WordPiece содержит 30 тысяч токенов. Обучение проводилось с маскированием слов с вероятностью 15% в течение одной эпохи. BilmaLat ориентирована на испанский язык и сохраняет особенности твитов, включая регистр, эмотиконы и орфографические ошибки; региональные и временные метки позволяют учитывать контекст публикаций. Модель подходит для исследования и анализа испаноязычных сообщений, но её короткое окно контекста ограничивает работу с длинными текстами. Лицензия — MIT.

Модель tiantiaf/childvox-speechmaturity-whisper-base разработана Tiantian Feng и реализует классификацию зрелости детской речи из аудио. Она дообучена на корпусе SpeechMaturity и основана на мультиязычной архитектуре Whisper Base. Модель относит вокализации к пяти категориям: Canonical — зрелые слоги с переходом согласный-гласный; Non-Canonical — незрелые вокализации, например отдельные гласные или согласные; Crying — плач; Laughing — смех; Junk — фрагменты, не являющиеся детскими вокализациями, включая шум, речь взрослых и неразборчивое аудио. Модель предназначена для анализа и разметки детских вокализаций в исследовательских и аудиоаналитических сценариях. Она принимает аудио и выдаёт метки классов. Лицензия OpenRAIL; README запрещает коммерческое использование и применение для клинической диагностики, индивидуальной оценки развития без экспертной проверки, наблюдения и вторжения в частную жизнь. При обработке детских записей необходимо соблюдать требования согласия, приватности и применимого законодательства.

Модель tiantiaf/childvox-speechocean762-accuracy-whisper-large предназначена для классификации разборчивости речи детей и взрослых. Её разработала Tiantian Feng; модель дообучена на openai/whisper-large-v3 с использованием набора SpeechOcean762 и представлена в работе ChildVox, принятой на основную программу EMNLP 2026. Модель принимает аудио и относит речь к категории «Poor or Understandable», объединяющей исходные оценки качества речи. Модель подходит для автоматизированной оценки разборчивости речевых записей и исследовательского анализа детской речи. Карточка указывает библиотеку Transformers и формат весов safetensors. Лицензия — OpenRAIL; автор запрещает коммерческое использование. Записи детской речи требуют особого внимания к согласию, приватности и применимым требованиям этики и законодательства.

Llama-3.1-8B-Instruct-Mental-Health-Classification — дообученная Kingabzpro модель Meta Llama 3.1 8B Instruct для классификации текстов по категориям психического здоровья. Она принимает текст и выдаёт текстовый ответ с предсказанной категорией; карточка описывает настройку для выявления классов Normal, Depression, Anxiety и Bipolar на датасете suchintikasarkar/sentiment-analysis-for-mental-health. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. В README приведены результаты оценки: общая точность 0,913, при этом точность для класса Anxiety составляет 0,667, что указывает на неодинаковое качество по категориям. Модель может помогать в исследовательской классификации текстов, но предсказания не являются клиническим диагнозом. Распространяется по лицензии Apache-2.0.

Это модель классификации спутниковых изображений MobileViT-S, разработанная для проекта BigEarthNet v2.0. Она дообучена на данных Sentinel-1 и предназначена для присвоения меток земного покрова и типов землепользования по радиолокационным снимкам. Визуализация в карточке использует каналы VV, VH и VV/VH. Опубликованные веса получены после 32 эпох обучения. На тестовой выборке BigEarthNet v2.0 модель показала macro/micro Average Precision 0,631/0,812 и F1 0,566/0,706. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Карточка не сообщает перечень меток и ограничения по применению за пределами датасета.

google/tapas-medium-masklm — модель семейства TAPAS от Google для заполнения маскированных токенов в последовательностях, связанных с табличными данными. Она соответствует чекпойнту tapas_masklm_medium_reset из исходного репозитория и предназначена для использования с задачей fill-mask. Модель содержит 49,2 млн параметров, поддерживает контекст длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. В метаданных не указаны специальные прикладные области или языки. Лицензия в предоставленных данных не указана.

vit_reg1_s14_ls_dino-v2-dist-bio — компактный энкодер изображений проекта Birder, полученный дистилляцией Bio-DINO SoViT-150M/14. Это ViT-S/14-подобная модель с 21,7 млн параметров и эмбеддингами размерности 384; она принимает изображения размером 252 × 252 пикселя. Модель предназначена для извлечения визуальных признаков из природных фотографий биоразнообразия, а также может служить backbone для обнаружения объектов. Энкодер обучен на данных, включающих изображения iNaturalist, BIOSCAN, TreeOfLife, IP102 и iWildCam, а также частный датасет Birder. Его можно применять для построения эмбеддингов, сравнения и группировки фотографий организмов, а также для передачи карт признаков в последующие модели обнаружения. В README приведены результаты линейного пробирования на iNaturalist 2021 для базовой модели Bio-DINO; эти показатели не следует напрямую считать оценкой данной дистиллированной версии. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка отсылает к карточке модели-учителя за подробным описанием области применения и ограничений; конкретные ограничения дистиллированной версии отдельно не перечислены.

Модель tiantiaf/wavlm-large-broader-accent — дообученная Microsoft WavLM Large модель для классификации английской речи по широким категориям акцента. Она различает три категории: Британские острова, Северная Америка и другие акценты. Модель предназначена для анализа речевых записей и характеристики речи и говорящих; в карточке она связана с исследованием Vox-Profile и датасетами EDACC и Common Voice 11.0. Модель принимает аудио и выдаёт категорию акцента. Веса опубликованы в формате safetensors, лицензия — OpenRAIL. Карточка не описывает точность и ограничения классификатора; три широкие категории не позволяют определять конкретные акценты внутри каждой группы.

NeoQuasar/WindFM — модель для прогнозирования временных рядов, ориентированная на задачи прогнозирования выработки ветровой энергии. В карточке Hugging Face указаны задача time-series-forecasting, область Wind Power и формат safetensors; README ссылается на репозиторий WindFM с дополнительными материалами по использованию. Модель распространяется по лицензии MIT. Данных об архитектуре, размере, длине контекста, поддерживаемых языках, модальностях и результатах сравнительной оценки в предоставленной карточке нет. Поэтому её характеристики и качество следует проверять по документации репозитория и на данных конкретной ветроэнергетической системы.

joe611/chickens — дообученная модель обнаружения объектов на основе facebook/detr-resnet-50, разработанная автором репозитория joe611. Она предназначена для поиска объектов на изображениях и выдачи их классов и ограничивающих рамок; название модели указывает на задачу обнаружения кур, но карточка не описывает классы объектов и набор данных. Модель построена на архитектуре DETR с ResNet-50 и распространяется в формате safetensors. В README приведено значение loss 0,2613 на оценочной выборке, но без описания методики и набора данных этот результат трудно интерпретировать. Лицензия — Apache-2.0.

FTP-PRUE+ EfficientNet-B7 — модель Fields of the Planet (FTP) для выделения границ сельскохозяйственных полей на спутниковых снимках PlanetScope. Это вариант с более крупным EfficientNet-B7 энкодером и декодером U-Net; модель обучена на снимках в окнах посадки и сбора урожая и принимает 8 каналов: четыре спектральные полосы для каждого из двух сезонов. Она выдаёт маску из трёх классов: фон, поле и граница. При разрешении 3 м на пиксель её применяют для картирования границ полей, а постобработка watershed позволяет восстановить полигоны отдельных участков. Модель предоставляет веса в формате safetensors и ONNX, а также чекпойнт PyTorch Lightning; для запуска рекомендован пакет segmentation-models-pytorch. В описанной оценке B7 показала более высокий Pixel IoU и качество на полях среднего размера, чем вариант B3, тогда как B3 достигла немного более высокого общего PQ при примерно в пять раз меньшем числе параметров. Модель предназначена для спутниковых данных PlanetScope и сельскохозяйственного картирования. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

MentalBERTa — модель команды DeepLearningBrasil для классификации публикаций в социальных сетях по трём уровням признаков депрессии: их отсутствию, умеренному и тяжёлому уровню. Она заняла первое место в соревновании DepSign-LT-EDI на RANLP 2023. Модель основана на RoBERTa Large rafalposwiata/deproberta-large-depression, дообучена на корпусе dlb/mentalreddit и имеет 454,1 млн параметров. В обучении использовались веса потерь для примеров и усечение текста с сохранением начала и конца. Модель рассчитана на англоязычные тексты; максимальная длина контекста — 514 токенов. Поддерживаются классификация текста и заполнение масок. Модель предназначена для исследовательской и аналитической классификации текстов, а не для постановки диагноза. Качество и применимость результатов для отдельных людей или других источников текстов не гарантированы. Лицензия в предоставленных данных не указана.