II.8Инженерия данных и аналитика

EnCodec 32 kHz — нейросетевой аудиокодек Meta AI, обученный в рамках проекта MusicGen. Он использует потоковую архитектуру кодировщика и декодировщика с квантованным латентным представлением и предназначен для сжатия и восстановления аудиосигнала с низкой задержкой. Модель можно применять отдельно для сжатия и декомпрессии аудиофайлов, а также вместе с официальными чекпойнтами MusicGen. Вариант обучен на музыкальных данных, включая внутренний набор Meta AI и каталоги Shutterstock и Pond5. Для обработки доступны потоковый режим и режим с разбиением аудио на перекрывающиеся фрагменты; можно задавать битрейт. Модель рассчитана на высококачественное сжатие музыки и работу в реальном времени. Карточка не описывает поддержку конкретных естественных языков: модель обрабатывает аудиосигнал, а не текст. Лицензия в предоставленных данных не указана.

Карточка модели SeanHowFun/face-emotion-detection на Hugging Face совпадает с карточкой abhilash88/face-emotion-detection, поэтому описание составлено по ней. abhilash88/face-emotion-detection — модель классификации изображений, разработанная дообучением Vision Transformer ViT-Base от Google на наборе FER2013. Она определяет одно из семи выражений лица: злость, отвращение, страх, радость, грусть, удивление или нейтральное выражение. Модель содержит 113,2 млн параметров и принимает изображения лиц; для обучения изображения приводились к размеру 224×224 пикселя. Модель предназначена для распознавания выражений на чётких, направленных к камере изображениях с хорошо видимым лицом. В README заявлена точность 71,55% на FER2013; автор отмечает, что радость распознаётся лучше, а отвращение — хуже остальных классов. Лицензия — Apache-2.0. Качество может снижаться при сильных поворотах головы, перекрытиях лица и плохом освещении; автор также указывает на ограниченное разнообразие обучающих данных и различия качества между демографическими группами. Классификация выражения не гарантирует достоверного определения внутреннего эмоционального состояния человека.

eitanlebras/fire-spread-forecast-v1-small — небольшая модель UNet для прогнозирования распространения лесных пожаров, разработанная авторами репозитория и обученная с нуля на 258 пожарах на западе США. На вход она принимает 40-канальный стек WildfireSpreadTS в формате GeoTIFF на сетке с пикселем 375 м и предсказывает для каждого пикселя вероятность активного горения в следующие 24 часа. Модель содержит 1,94 млн параметров; веса опубликованы в формате safetensors. Для запуска необходимы точный порядок каналов и статистики нормализации из config.json. Модель предназначена для поддержки планирования и определения приоритетов при тушении. В тестировании на 30 пожарах 2021 года она показала AUC-PR 0,552 ± 0,003; метрика калибровки ECE составила 0,0044. Обучение охватывало события 2018–2021 годов в западной части США, поэтому качество за пределами этих условий не подтверждено. Модель не предсказывает отдельные очаги за фронтом, а наблюдаемые периметры отражают также влияние тушения. Модель распространяется по лицензии MIT. Она не предназначена для принятия решений об эвакуации: горизонт прогноза составляет 24 часа, а разрешение и скорость обновления не отражают быстрые опасные изменения пожара.

Forge Tiny Drift — небольшая интерпретируемая модель для демонстрации развёртывания классификатора на промышленных периферийных устройствах в нескольких средах выполнения. Она принимает окно из 50 циклов с двумя каналами: пиковой силой в кН и отклонением детали в мм. По шести детерминированным признакам, включая наклон и разброс силы, максимальное и последнее отклонение, логистическая модель вычисляет вероятность дрейфа L0. В метаданных указана задача tabular-classification; доступны артефакты ONNX и TFLite, а также варианты для PyTorch и TensorFlow. Модель обучена на 2 048 детерминированных синтетических окнах с фиксированным seed. Она предназначена для демонстрации переноса и согласованности предсказаний между средами выполнения, а не для подтверждения точности обнаружения дрейфа на реальном оборудовании. Результат служит только поддержкой принятия решений: модель не выдаёт команд управления оборудованием. Лицензия — Apache-2.0.

sgugger/funnel-random-tiny — небольшая модель-энкодер семейства Funnel, опубликованная Сэмюэлем Буггером на Hugging Face. По данным карточки каталога, она предназначена для извлечения признаков из текста и построена на архитектуре FunnelModel; доступна в форматах PyTorch и TensorFlow. Для модели задан контекст до 512 токенов. Имя random-tiny указывает на случайную инициализацию, поэтому модель подходит прежде всего для тестирования и экспериментов с конвейерами обработки текста, а не для содержательных прикладных задач без обучения. Данных о специальной предметной области или лицензии в доступных источниках нет.

MVRL/GeoSynth — модель генерации изображений на основе Stable Diffusion, разработанная MVRL для создания спутниковых изображений по текстовым запросам. Она предназначена для сценариев, где нужно получить синтетическое спутниковое изображение по заданному описанию. Модель использует Stable Diffusion 2.1 Base и доступна для работы через библиотеку Diffusers; в репозитории указаны форматы Diffusers и safetensors. Модель принимает текстовые запросы и генерирует изображения. В карточке заявлено специализированное назначение для спутниковых изображений; сведения о поддерживаемых языках запросов и длине контекста не приведены. Лицензия — Apache-2.0.

master-of-hardcore/gvision-adv-uid148 — модель классификации изображений на базе EfficientNetV2-L из torchvision, дообученная для подсети Perturb (netuid 26) в Bittensor. Она принимает изображения и предсказывает классы; заявленное назначение связано с Perturb, однако README не описывает конкретный набор классов или метрики качества. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Peacockery/hubert-base-phoneme-en — дообученная Peacockery модель на основе HuBERT-base от Facebook для предсказания фонем английской речи методом CTC. Она выдаёт последовательности фонем из 41-токенного набора ARPABET и предназначена для извлечения фонемных апостериорных вероятностей в экспериментальных системах оценки произношения, включая извлечение признаков для GOP-SF и сравнение акустических энкодеров в конвейере P003. Модель принимает аудио; архитектура — HuBERT с CTC-головой, число параметров по метаданным — 113,3 млн. Обучение проводилось на LibriSpeech 960 часов. Базовая модель рассчитана на аудиоречь с частотой 16 кГц. Это промежуточный компонент, а не готовая оценка произношения: для оценки нужны последующие этапы GOP/GOPT, а заявленные результаты эксперимента на SpeechOcean762 в карточке ещё не приведены. Модель не предназначена для универсальной транскрибации английской речи или как самостоятельный сервис распознавания. Лицензия — Apache-2.0.

Карточка модели avichr/Legal-heBERT на Hugging Face совпадает с карточкой avichr/Legal-heBERT_ft, поэтому описание составлено по ней. Legal-HeBERT — модель семейства BERT для обработки текстов на иврите в юридической и законодательной сферах. Репозиторий avichr/Legal-heBERT_ft содержит дообученную версию HeBERT на юридических и законодательных документах; в README также описана отдельная версия, обученная с нуля, но карточка этого репозитория относится к варианту дообучения. Модель имеет 136,7 млн параметров, архитектуру BertForMaskedLM и контекст до 512 токенов. Основная задача модели — восстановление замаскированных токенов. Её можно использовать для анализа и разработки инструментов NLP для израильских законов и судебных документов, а также дообучать для прикладных задач обработки юридического иврита. Обучающие данные включают израильское законодательство и судебные решения. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

LumynaX Guard Text Moderation — архивный эксперимент AbteeX AI Labs из Новой Зеландии для классификации текста и модерации. Это ранний выпуск интеграции KoalaAI/Text-Moderation: модель DeBERTa для классификации последовательностей с 151,8 млн параметров и контекстом до 512 токенов. В метаданных указаны английский и маори; описание базовой модели отмечает выявление сексуального содержания, разжигания ненависти и пропаганды насилия в английских текстах. В этом выпуске используется маршрутизация к исходной модели и интеграция её идентичности; веса не объединены и не изменены. Модель подходит для классификации текстов при модерации контента. Выпуск устарел, не поддерживается и не рекомендован для производственного использования; его описание не отражает современные возможности и стандарты безопасности AbteeX AI Labs. Лицензия — OpenRAIL.

MediPhi-Instruct — компактная языковая модель для клинической обработки естественного языка, разработанная Microsoft Healthcare & Life Sciences. Она создана на основе Phi-3.5-mini-instruct: медицинские экспертные модели дообучались на профильных корпусах, объединялись, а итоговая модель прошла клиническое выравнивание на данных MediFlow. Архитектура — плотная Phi-3; размер по метаданным — 3,7 млрд параметров, контекст — 4096 токенов. Модель принимает текст и генерирует текст на английском языке. Модель предназначена для исследовательских задач клинического NLP, включая диалоговые сценарии, работу с медицинскими документами и оценку языковых моделей в медицинской области. Компактный размер делает её подходящей для сред с ограниченными вычислительными ресурсами и сценариев с требованиями к задержке. Выпущена под лицензией MIT. Результаты могут содержать выдуманные, неточные или устаревшие сведения, а качество и безопасность на языках помимо английского могут быть ниже. Модель не предназначена для самостоятельного принятия клинических решений: ответы требуют проверки специалистом и оценки для конкретного применения.

MegaDescriptor-S-224 — модель извлечения визуальных признаков на базе Swin-S, предварительно обученная Supervisely на наборах данных для повторной идентификации животных. Она преобразует изображения в эмбеддинги для сравнения особей и может использоваться как backbone в системах распознавания животных по фотографиям. Архитектура — Swin Transformer `swin_small_patch4_window7_224` с 49,6 млн параметров; входной размер изображения — 224 × 224 пикселя. Модель предназначена для задач идентификации и сопоставления изображений животных в исследованиях дикой природы и экологических проектах. В репозитории указаны формат PyTorch и лицензия CC BY-NC 4.0, которая ограничивает использование некоммерческими целями. В карточке описан backbone для извлечения признаков; отдельные гарантии качества на новых видах и условиях съёмки не заявлены.

AIMH/mental-longformer-base-4096 — модель Longformer, предобученная для текстов в области психического здоровья на основе checkpoint longformer-base-4096. Это BERT-подобный трансформер для работы с длинными документами; он поддерживает последовательности длиной до 4 096 токенов и предназначен для задачи заполнения пропусков в тексте (masked language modeling). Модель можно применять для анализа и обработки длинных текстов о психическом здоровье, например для исследований и подготовки специализированных языковых систем. Она не ставит психиатрические диагнозы. Для использования указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое применение.

MERaLiON-GI-v1 — модель классификации речи, разработанная командой MERaLiON для распознавания гендерного класса говорящего. Она относит аудио к одному из двух классов: female или male; модель предназначена для английской и языков Юго-Восточной Азии речи. Модель использует 24-слойный Conformer-энкодер MERaLiON-SpeechEncoder-2, предварительно обученный с целью Best-RQ. Для адаптации применены LoRA-адаптеры в проекциях внимания ранга 16, а выходы слоёв объединяются обучаемым механизмом мягкого внимания. На вход подаётся речь с частотой дискретизации 16 кГц. В README приведены результаты тестирования на наборах для английского, китайского, синлиш, малайского и тамильского языков, а также сравнение с базовыми системами. Модель выдаёт бинарную метку, поэтому её нельзя использовать для определения небинарной гендерной идентичности или надёжного установления личности. Лицензия в метаданных обозначена как other; конкретные условия использования в предоставленных данных не раскрыты.

huyleit/mert-v1-95m-music-emotion-int8 — специализированная модель распознавания эмоций в музыке из проекта SE121-microservices. Она использует музыкальный трансформер MERT-v1-95M от m-a-p с временным attention pooling; модель динамически квантована до INT8 и распространяется в формате ONNX для инференса на CPU. На 15-секундном аудиофрагменте она оценивает валентность и уровень возбуждения по шкале от 0 до 1, а затем соотносит их с квадрантами модели эмоционального круга Рассела. Модель предназначена для анализа настроения музыкальных записей, в том числе для рекомендаций музыки в системах эмоциональных вычислений и музыкальной терапии. В README указаны быстрая работа на CPU и потребление около 111 МБ памяти. Для входа требуется аудио; README описывает преобразование в моно и частоту дискретизации 24 кГц. Лицензия — Apache-2.0.

Metric Video Depth Anything Base MLX — порт модели Video Depth Anything от ByteDance в формат MLX, подготовленный mlx-community. Модель оценивает глубину по каждому кадру монокулярного видео и сохраняет согласованность оценок между кадрами в видео произвольной длительности. Архитектура включает backbone DINOv2, голову DPT и временные модули движения в стиле AnimateDiff. На вход подаются кадры видео в виде последовательности изображений; на выходе — карты глубины с абсолютными значениями в метрах. Веса представлены в fp32. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение. Модель подходит для извлечения метрической глубины из видео, когда важны согласованность между кадрами и оценка расстояний в физических единицах. Размеры высоты и ширины входных кадров должны быть кратны 14. В README отмечено, что результаты на GPU отличаются от PyTorch-эталона примерно на 1% по относительной ошибке, а на CPU — примерно на 1e-5.

Карточка модели hfl/minirbt-h288 на Hugging Face совпадает с карточкой hfl/minirbt-h256, поэтому описание составлено по ней. hfl/minirbt-h256 — небольшая предварительно обученная модель для обработки китайского языка, опубликованная HFL. Она основана на архитектуре BERT и обучена с применением дистилляции знаний с помощью инструментария TextBrewer и технологии Whole Word Masking. Модель предназначена для заполнения пропусков в китайском тексте: она предсказывает замаскированные токены по окружающему контексту. Модель содержит 11,7 млн параметров и поддерживает контекст до 512 токенов. Доступны форматы PyTorch и TensorFlow. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробностей о составе обучающих данных.

Модель helenai/MIT-ast-finetuned-speech-commands-v2-ov — конвертированная в формат OpenVINO версия модели MIT/ast-finetuned-speech-commands-v2, предназначенная для ускоренного вывода. Она использует архитектуру Audio Spectrogram Transformer (AST) с 113,2 млн параметров и решает задачу классификации аудио, в частности распознавания речевых команд. Модель принимает аудио и выдаёт метки классов. В метаданных указан английский язык. Формат OpenVINO предназначен для ускоренного инференса; лицензия в предоставленных данных не указана.

Это конвертированная в формате Keras 3 версия модели MiT-B1 от NVIDIA, основанная на иерархическом энкодере Mix Transformer из семейства SegFormer и предназначенная для классификации изображений и использования в качестве визуального backbone. Модель выдаёт оценки классов; вариант MiTModel также позволяет получать признаки, в том числе многоуровневые. Модель можно запускать с бэкендами TensorFlow, PyTorch или JAX. Она пригодна для классификации изображений и извлечения признаков в системах компьютерного зрения. Полноценная семантическая сегментация требует отдельной головы SegFormer. Репозиторий указывает лицензию other и отсылает к лицензии исходного чекпойнта; точные условия следует сверить с YAML карточки и лицензией базовой модели.

Aukrk/MLOPS_group-v4 — модель классификации SMS-сообщений на спам и обычные сообщения (ham), разработанная в рамках учебного проекта MLOps Group 36 программы PGD AI в IIT Jodhpur. Это дообученная для классификации последовательностей модель DistilBERT на базе distilbert/distilbert-base-uncased; она принимает текст и выдаёт одну из двух меток. В карточке проекта указана подготовка данных UCI SMS Spam: очистка сообщений, удаление дубликатов и разбиение на обучающую, валидационную и тестовую выборки. Модель рассчитана на англоязычные SMS и использует контекст до 512 токенов. Модель подходит для учебных демонстраций MLOps, проверки классификации SMS и интеграции инференса в приложения. Её ограничения включают небольшой специализированный датасет, возможное ухудшение качества на длинных письмах, неанглийских сообщениях, новых видах мошенничества и неоднозначных сообщениях. В README указано, что это академическая демонстрация, а не самостоятельный инструмент производственного выявления мошенничества. Репозиторий распространяется по лицензии Apache-2.0.

Muse-Glimmer-30B-DFlash2 — черновая модель DFlash 2 от z-lab для ускорения генерации моделью meta-models/Muse-Glimmer-30B. Это не самостоятельная языковая модель: она работает внутри сервера спекулятивного декодирования, предлагает блоки токенов, а целевая модель проверяет их. В основе — архитектура Qwen3 и класс DFlash2DraftModel; число параметров — 3,9 млрд, длина контекста — 131 072 токена. Модель предназначена для ускорения генерации текста без изменения результата: при жадном декодировании итог совпадает с выводом целевой модели, а при сэмплировании сохраняется её распределение. DFlash 2 предсказывает блок токенов за один проход и использует селектор для выбора связного продолжения. В описанной оценке с SGLang на NVIDIA H200 она повысила пропускную способность относительно авторегрессионной генерации на задачах GSM8K, MATH-500 и HumanEval. Для работы требуется целевая Muse-Glimmer-30B и совместимый сервер спекулятивного декодирования; README приводит SGLang. Модель принимает текстовые запросы в составе такого сервера и помогает генерировать текст, но сама по себе отвечать на запросы не может. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

NOESIS-MiniCPM-V-4.6-SigLIP2-BF16 — разработанная AMAImedia модель-экстрактор: из openbmb/MiniCPM-V-4.6 выделена и отдельно упакована башня зрения SigLIP2 в виде совместимого с Transformers класса SiglipVisionModel. Модель содержит 544,9 млн параметров; веса BF16 доступны в формате safetensors. Она принимает изображения и выдаёт плотные признаки визуальных патчей. Модель предназначена как вспомогательный энкодер в конвейере автоматического дубляжа NOESIS: анализирует лица, область рта и кадры сцен для определения говорящего на экране, уточнения временных границ речи по движениям губ и контроля синхронизации губ после рендеринга дубляжа. Это не полноценная мультимодальная чат-модель: языковая часть, проекция в пространство LLM, токенизатор и генерация в комплект не входят. Карточка заявляет полезность для OCR, обнаружения объектов и временных визуальных признаков, однако основной сценарий — видеодубляж. Лицензия Apache-2.0 допускает коммерческое использование. Указанные в карточке метрики точности и скорости относятся к описанию автора; независимые результаты оценки не приведены.

NovaSR — компактная модель сверхразрешения аудио от YatharthS, предназначенная для преобразования приглушённого аудио с частотой 16 кГц в более чёткое аудио с частотой 48 кГц. Модель распространяется в формате PyTorch и занимает около 52 КБ. В карточке заявлена скорость обработки от 300 до 3500 раз быстрее реального времени в зависимости от GPU; сравнение производительности приведено для A100. Это позволяет использовать модель для быстрого повышения частоты дискретизации и восстановления воспринимаемой чёткости аудиозаписей. Лицензия — Apache-2.0.

OmniRad-base — компактный радиологический визуальный энкодер на базе Vision Transformer ViT-B, разработанный как модель общего назначения для медицинской визуализации. Он обучен без учителя на более чем миллионе радиологических изображений в модифицированной схеме DINOv2; в карточке указаны данные RadImageNet объёмом около 1,2 млн изображений. Модель принимает изображения размером 224 × 224 и извлекает переносимые визуальные признаки; у неё нет специализированных выходных голов для отдельных задач. Энкодер предназначен для извлечения признаков и адаптации к классификации изображений, сегментации и радиомическим сценариям, а также для использования в исследовательских мультимодальных конвейерах. В README заявлена работа с рентгеновскими снимками, КТ, МРТ и ультразвуковыми изображениями. Компактный вариант ориентирован на баланс вычислительной эффективности и качества представлений, однако перед применением в конкретной клинической задаче требуется отдельная проверка. Лицензия — CC BY 4.0.

OTel-Embedding-22M — англоязычная модель эмбеддингов для телекоммуникационного поиска, разработанная в рамках открытой инициативы OTel Family of Models. Она создана полным дообучением sentence-transformers/all-MiniLM-L6-v2 на наборе OTel-Embedding, содержащем примеры запросов, релевантных фрагментов и сложных отрицательных примеров из телекоммуникационной области. Модель использует плотный энкодер на архитектуре BERT, содержит около 25,9 млн параметров и принимает текст с контекстом до 512 токенов. Модель предназначена для извлечения релевантных фрагментов из телекоммуникационных спецификаций, стандартов, RFC, технических статей и других профильных документов, в том числе как этап поиска в RAG-системах. В тестовом разбиении OTel-Embedding авторы сообщают NDCG@10 84,3% ± 0,7, что на 60,2 процентного пункта выше базовой модели; эти результаты не гарантируют такого же качества на внешних наборах или во всех подразделах телекоммуникаций. Репозиторий распространяется под лицензией Apache-2.0; при использовании также следует учитывать лицензию или условия базовой модели. Модель специализирована для телекоммуникаций, рассчитана на английский язык и работу с текстом, поэтому её не следует считать универсальной или многоязычной. Качество в отдельных поддоменах различается, а найденную информацию следует проверять перед операционным, клиентским, нормативным или сетевым применением.

ProMiNER Russian BioNNE-L Dictionary-Pretrained Cross-Encoder — биомедицинская модель для ранжирования кандидатов при связывании упомянутых в русском тексте сущностей с концептами UMLS. Она разработана как часть системы ProMiNER и дообучена на базе andorei/BERGAMOT-multilingual-GAT на псевдопарах, составленных из словаря UMLS. Архитектура — XLM-RoBERTa с классификационной головой; модель содержит 305,2 млн параметров и принимает пары «упоминание — профиль кандидата», содержащие названия и синонимы. Максимальная длина последовательности в обучении — 384 токена; нативный предел контекста — 514 токенов. Модель предназначена прежде всего для инициализации специализированного реранкера в русском пайплайне связывания биомедицинских сущностей BioNNE-L. В полном сценарии сначала извлекают кандидатов с помощью ретривера, затем оценивают пары этой моделью, чтобы выбрать наиболее подходящий концепт. В README приведены метрики на dev-наборе: Acc@1 0,951, Acc@5 0,994 и MRR 0,970. Это промежуточный чекпойнт, а не готовая полная система: для практического связывания сущностей требуются этап извлечения кандидатов и последующая настройка под задачу. Лицензия — MIT.

ProTrek_650M_UniRef50_text_encoder — модель SentenceTransformer, представленная в формате, совместимом с библиотекой sentence-transformers. Она предназначена для преобразования текстов о белках в векторы размерности 1024 и сравнения их по косинусному сходству; карточка указывает сценарии семантического поиска, кластеризации и извлечения признаков. Архитектура текстового энкодера основана на BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext. Максимальная длина последовательности — 512 токенов. Модель входит в мультимодальную систему ProTrek, которая совместно обучает представления текстов, аминокислотных последовательностей и структур белков с помощью контрастивного обучения. Этот репозиторий содержит текстовый энкодер в формате SentenceTransformer; метаданные классифицируют его как дообученную модель на базе westlake-repl/ProTrek_650M_UniRef50. Лицензия — MIT. Модель подходит для поиска и сопоставления текстовых описаний белков. Доступные сведения не подтверждают, что этот репозиторий сам принимает последовательности или структуры белков: для таких сценариев нужны соответствующие энкодеры ProTrek. Текстовый энкодер основан на англоязычной PubMedBERT, поэтому его применение к другим языкам не подтверждено.

PubMedCLIP ViT32 — дообученная для медицинской области версия CLIP, опубликованная авторами проекта PubMedCLIP. В этом репозитории находится вариант с визуальным энкодером ViT32; модель обучали 50 эпох на мультимодальном медицинском наборе ROCO, составленном из изображений и подписей к статьям PubMed. В ROCO представлены рентгеновские снимки, МРТ, УЗИ, рентгеноскопия и изображения разных областей тела. Модель предназначена для классификации медицинских изображений по текстовым описаниям без специального обучения на новых классах: пользователь задаёт варианты описаний, а CLIP оценивает их соответствие изображению. Это может помочь в исследовательской сортировке и поиске изображений по медицинским текстовым категориям. Карточка сообщает о лицензии MIT для кода и предобученных весов. Оценки соответствия не заменяют медицинскую интерпретацию специалистом; обучение на ROCO ограничивает основания для переноса результатов на изображения и сценарии, не представленные в этом наборе.

RegNetY-400MF — сверточная модель классификации изображений из семейства RegNetY, представленная в библиотеке timm. Веса предварительно обучены авторами статьи на ImageNet-1k. Модель содержит около 4,3 млн параметров и рассчитана на изображения размером 224 × 224 пикселя; её также можно применять как основу для извлечения признаковых карт и эмбеддингов изображений. Модель предназначена для отнесения изображений к классам ImageNet-1k и может использоваться как лёгкий визуальный backbone в прикладных системах компьютерного зрения. Реализация timm поддерживает стохастическую глубину, gradient checkpointing, настройку выходного stride и конфигурируемые слои активации и нормализации. Репозиторий содержит веса PyTorch и safetensors. Лицензия — MIT.

ReXNet-1.0x — модель классификации изображений на архитектуре ReXNet, опубликованная pyronear. Она предварительно обучена для бинарной классификации изображений, связанной с обнаружением лесных пожаров, на наборе данных проекта; в карточке также указан датасет pyronear/openfire. Архитектура использует модифицированный блок Squeeze-Excitation в остаточных блоках для снижения избыточности каналов. Модель подходит для классификации изображений при мониторинге возможных лесных пожаров. В репозитории представлены веса PyTorch и ONNX. Лицензия — Apache-2.0.