II.8Инженерия данных и аналитика

Jookare предоставляет большую Vision Transformer-модель ViT-Large с патчами 16×16 и входным разрешением 224×224, предварительно обученную с нуля методом Masked Autoencoder на нескольких наборах изображений планктона. В статье Self-Supervised Pretraining for Fine-Grained Plankton Recognition эта модель обозначена как with-daplankton; веса сохранены в формате Safetensors и предназначены для использования через библиотеку timm. Модель содержит только предварительно обученный энкодер, без классификационной головы. Её можно использовать для извлечения визуальных признаков или дообучить с классификатором для распознавания планктона, в том числе тонких различий между его категориями. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

SanketJadhav/PlantDiseaseClassifier-Resnet50 — модель классификации изображений на архитектуре ResNet-50, дообученная на базе microsoft/resnet-50. Несмотря на название репозитория, README описывает её как дообученную на датасете EuroSAT; метаданные также указывают датасет imagefolder. Модель предназначена для отнесения изображений к классам, представленным в обучающих данных. В README приведены результаты на оценочном наборе: accuracy 0,9641 и loss 0,1382. Подробности о классах, обучающих данных и сценариях применения не раскрыты, поэтому точность для распознавания болезней растений по этой карточке подтвердить нельзя. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Poisson Denoising + 4x Super-Resolution — сверточная остаточная нейросеть, разработанная для соревнования DLP 26T2 NPPE3. Модель с 1,52 млн параметров совместно подавляет пуассоновский шум и увеличивает тёмные изображения в четыре раза: с 160×256 до 640×1024 пикселей. Архитектура включает 16 остаточных блоков, глобальный пропуск и два этапа PixelShuffle; к выходу добавляется бикубически увеличенное исходное изображение. Модель рассчитана на восстановление тёмных сцен с пуассоновским шумом, соответствующим параметру g=2,55. Она сохраняет исходную яркость и оптимизирована по PSNR яркостного канала, а не по субъективной резкости или воспринимаемому качеству. Усреднение результатов восьми диэдральных преобразований даёт небольшой дополнительный прирост качества. Опубликованный результат на открытом лидерборде Kaggle — 39,68299 PSNR. Модель ожидает изображения фиксированного размера 160×256. Она может работать хуже на более ярких изображениях, а гауссов шум, артефакты сжатия и размытие не соответствуют обучающим данным. Результат может выглядеть сглаженным, особенно на границах. Лицензия — MIT.

Pulmonary Embolism Segmentation — модель для сегментации тромбоэмболии лёгочной артерии на КТ-ангиограммах лёгочных артерий. Это переносимая версия модели Mazurowski Lab, опубликованная Yixin Zhang; архитектура — 3D Residual Encoder U-Net, обученная с помощью nnU-Net v2 и реализованная для инференса на PyTorch. Модель принимает одно-канальный объём КТ и выдаёт логиты для двух классов: фон и тромбоэмболия лёгочной артерии. Модель предназначена для исследовательских задач сегментации КТ-изображений. Размер обучающего патча составляет 224 × 320 × 320 вокселей; в README указаны параметры планирования с шагом 1,0 × 0,737 × 0,737 мм. README не приводит отдельные метрики качества и отмечает, что результаты зависят от данных и предобработки. Модель не является медицинским устройством и не предназначена для клинических решений без соответствующей валидации. Лицензия — CC-BY-NC 4.0.

Qwen3.5-9B-DFlash — черновая модель для спекулятивного декодирования, совместно переобученная Z-Lab и Modal на базе Qwen/Qwen3.5-9B. Это не самостоятельная языковая модель: её подключают к целевой модели в сервере инференса с поддержкой DFlash, например SGLang. Лёгкая блочная диффузионная модель предлагает несколько токенов параллельно, а целевая модель проверяет их; такой процесс ускоряет генерацию, сохраняя распределение выходов целевой модели. В карточке сообщается об ускорении до 5,01 раза при конкуренции 1 и до 2,58 раза при конкуренции 32 в указанных тестах, выполненных на NVIDIA B200. Модель обучалась с длиной последовательности 40 тысяч токенов и скользящим вниманием. Метаданные указывают 2,2 млрд параметров и контекстное окно 262 144 токена. Репозиторий содержит веса safetensors и лицензирован по Apache-2.0. Модель предназначена для ускорения инференса целевой Qwen3.5-9B; сама по себе она не заменяет её и требует совместимого сервера спекулятивного декодирования. Приведённые показатели относятся к описанной конфигурации и тестовым нагрузкам, поэтому фактическое ускорение зависит от оборудования, сервера и сценария использования.

RETFound_mae_natureOCT — экспорт энкодера Vision Transformer Large/16, разработанного Дэвидом Иштлем на основе работы Юкуна Чжоу и соавторов. Модель предварительно обучена методом Masked Autoencoder на части набора OCT natureOCT; этот репозиторий переносит веса из PyTorch в формат Transformers и сохраняет энкодер без компонентов декодера MAE. Модель принимает изображения сетчатки, подготовленные с помощью AutoImageProcessor к размеру 224×224, и извлекает признаки для последующего обучения классификаторов, поиска изображений и других исследовательских задач компьютерного зрения. Архитектура имеет 24 слоя, размер скрытого состояния 1024, 16 голов внимания и патчи 16×16; слой pooling отсутствует, поэтому можно использовать CLS-токен или собственный способ агрегации признаков. Репозиторий не содержит новых оценок качества, а результаты на других устройствах, популяциях и протоколах съёмки могут отличаться из-за сдвига распределения данных. Модель не предназначена для клинических решений без независимой проверки. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Koichi Yasuoka разработал эту модель на основе KoichiYasuoka/roberta-base-thai-spm, дообучив её для определения синтаксических зависимостей в тайском языке. Модель использует архитектуру RoBERTa и формулирует задачу поиска вершины зависимости как вопросно-ответную: слово задаётся в question, а контекст предложения — в context. Для неоднозначного слова, встречающегося в предложении несколько раз, автор рекомендует отмечать нужное в context токеном [MASK]. Модель обучена на текстах тайской Википедии с разметкой Universal Dependencies и предназначена для разбора зависимостей, в частности обнаружения синтаксической вершины. Размер — 115,6 млн параметров, длина контекста — 512 токенов; опубликована в формате PyTorch под лицензией Apache-2.0. Карточка помечает её как question-answering, хотя прикладное назначение — синтаксический разбор; результат зависит от корректной разметки входных слов и контекста.

rendchevi/roberta-base-tqacd — дообученная модель классификации последовательностей на базе FacebookAI/roberta-base, разработанная пользователем rendchevi. Число параметров — 151,8 млн; модель использует архитектуру RoBERTa и принимает текст длиной до 514 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Модель предназначена для классификации текста. В README приведены результаты оценки: F1 Macro 0,2528, точность 0,2683, полнота 0,2648 и accuracy 0,3515. Эти показатели указывают на ограниченное качество на указанном наборе оценки. Датасет обозначен как None, поэтому область применения и метки классов по доступным сведениям определить нельзя.

RT-DETRv2 — модель обнаружения объектов на изображениях в реальном времени, разработанная Peking University и дообученная acasal для детекции мусора и связанных объектов. Она принимает изображение и возвращает классы и расположение найденных объектов. В карточке приведены метрики оценки, включая mAP 0,5149 и отдельные результаты для классов Trash, Bin и Hand; качество на мелких объектах в указанной оценке низкое (mAP Small: 0,0). Модель построена на RT-DETRv2 с архитектурой RTDetrV2ForObjectDetection; базовая модель использует ResNet-50 и вариант vd. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Данные обучения и подробности о наборе классов в карточке описаны недостаточно, поэтому результаты и применимость к конкретным условиям следует проверять на целевых изображениях.

deglaus разработал модель компьютерного зрения для классификации изображений. Карточка Hugging Face указывает задачу image-classification, архитектуру ViT и размер около 85,8 млн параметров. Название репозитория предполагает классификацию цифровых шахматных фигур ограниченного набора стилей, однако карточка модели пуста и не описывает классы или данные обучения, поэтому конкретное назначение по шахматным фигурам нельзя подтвердить. Модель принимает изображения и выдаёт метки классов. Репозиторий лицензирован по LGPL-3.0. Языковые возможности не относятся к её основной функции.

StainNet-Base — базовая модель для анализа гистологических изображений иммуногистохимии и специальных окрасок. Она разработана авторами проекта StainNet и построена на Vision Transformer Base/16; предварительное обучение выполнено методом DINO без учителя на 1 418 938 фрагментах изображений из 20 231 полноразмерного гистологического слайда HISTAI. Модель предназначена для извлечения признаковых векторов из изображений патологических препаратов, чтобы использовать их в последующих задачах анализа изображений. В карточке указаны библиотека timm и форматы весов PyTorch и safetensors. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

SWIN-AI-Image-Detector — модель классификации изображений, разработанная автором репозитория и дообученная на базе microsoft/swin-tiny-patch4-window7-224. Она использует архитектуру Swin Transformer и содержит 33 млн параметров. Модель предназначена для распознавания изображений, однако README не раскрывает набор классов и конкретное назначение детектора. На указанном в карточке наборе оценки модель достигла accuracy 0,9833 и loss 0,0461. Эти результаты нельзя переносить на другие данные: обучающий датасет, методика оценки и ограничения модели не описаны. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Synapse-Image-Classifier-Nano — лёгкий классификатор изображений, разработанный Comunidade Synapse BR. Он использует пользовательскую архитектуру Thin ResNet-18 с 4 397 580 параметрами и реализован на PyTorch. Модель обучена на CIFAR-100: датасете из 100 классов с изображениями RGB размером 32×32 пикселя; в README указана точность Top-1 64,62%. Для обучения применялись горизонтальное отражение и случайная обрезка с дополнением. Модель предназначена для классификации изображений CIFAR-100 в исследованиях, обучении и приложениях с ограниченными вычислительными ресурсами. Репозиторий распространяется по лицензии Apache-2.0. Для загрузки весов требуется реализация архитектуры Thin ResNet-18. Классификатор обучен исключительно на CIFAR-100 и рассчитан на входные RGB-изображения 32×32. Его качество может заметно снижаться на изображениях высокого разрешения и в доменах, отличающихся от CIFAR-100.

SetFit/test-setfit-sst2 — тестовая модель классификации текста на основе архитектуры BERT и библиотеки SetFit; в карточке репозитория не указаны отдельные авторы-разработчики. Она использует подход few-shot: сначала Sentence Transformer дообучается контрастивным обучением, затем на его признаках обучается классификационная голова. Модель содержит 25,9 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Модель предназначена для тестовых сценариев в репозитории SetFit и демонстрации классификации текста; карточка прямо предупреждает, что она не обучалась для достижения высокого качества. Метаданные также отмечают получение эмбеддингов и задачи сходства предложений. Лицензия — Apache-2.0.

Карточка модели xjh19972/ThermalGen-B-2 на Hugging Face совпадает с карточкой xjh19972/ThermalGen-XL-2, поэтому описание составлено по ней. ThermalGen-XL-2 — модель преобразования изображений, опубликованная пользователем xjh19972 на Hugging Face. Метаданные связывают её с тематикой тепловизионных изображений и набором данных ThermalGen-Dataset; формат весов — safetensors, лицензия — MIT. Карточка не описывает архитектуру, размер модели, поддерживаемые языки или конкретный способ преобразования изображений, поэтому назначение можно определить только на общем уровне.

Карточка модели xjh19972/ThermalGen-L-2-concat на Hugging Face совпадает с карточкой xjh19972/ThermalGen-XL-2, поэтому описание составлено по ней. ThermalGen-XL-2 — модель преобразования изображений, опубликованная пользователем xjh19972 на Hugging Face. Метаданные связывают её с тематикой тепловизионных изображений и набором данных ThermalGen-Dataset; формат весов — safetensors, лицензия — MIT. Карточка не описывает архитектуру, размер модели, поддерживаемые языки или конкретный способ преобразования изображений, поэтому назначение можно определить только на общем уровне.

Titlewave T5 Base — модель для предложения заголовка вопроса Stack Overflow по его тексту. Она входит в проект расширения Chrome Titlewave, которое помогает подобрать заголовок, способный привлечь ответы. Модель построена на архитектуре T5 и содержит 123,8 млн параметров; она принимает текст и генерирует текст, а контекст составляет до 512 токенов. В метаданных указан английский язык. Модель дообучена на заголовках вопросов Stack Overflow за 2017–2019 годы: для обучения отбирались вопросы с принятым ответом, а закрытые вопросы исключались. Её можно использовать через Transformers как задачу суммаризации, хотя практическое назначение — генерация заголовков. Лицензия — CC BY 4.0. Ограничения: обучение на вопросах с принятым ответом может смещать предложения в сторону таких вопросов; сведения об оценке качества в доступной карточке не приведены.

VideoMAE Base wlasl 100 longtail 200 signer — видеотрансформер, дообученный на базе MCG-NJU/videomae-base для классификации видео. Размер модели составляет 113,2 млн параметров; для работы используется библиотека Transformers, веса доступны в формате safetensors. По названию модели можно предположить, что она связана с распознаванием жестового языка WLASL, однако карточка не описывает классы и набор данных, поэтому назначение этой специализации нельзя подтвердить. На оценочном наборе указаны точность 0,4911 и значение функции потерь 3,1722. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и запрещающей коммерческое применение.

Bagus разработал модель классификации аудио для распознавания эмоций в японской речи. Модель опубликована как частная демонстрация и использует архитектуру wav2vec2; в метаданных указано около 402,7 млн параметров и набор данных JTES. Она принимает аудио и выдаёт метки классов, пригодные для определения эмоциональной окраски речи. Карточка Hugging Face показывает использование через Transformers с задачей audio-classification и помечает язык как японский. Демонстрационный статус карточки указывает на ограниченный сценарий применения; подробности о распознаваемых категориях эмоций и качестве не приведены. Лицензия в доступных сведениях не указана.

WhyXrayCLIP — модель семейства CLIP, разработанная для сопоставления рентгеновских снимков грудной клетки с текстовыми описаниями. Она дообучена на базе OpenCLIP ViT-L/14 на данных MIMIC-CXR: снимки PA и AP сопоставлены с клиническими находками, извлечёнными из врачебных заключений и обработанными с помощью GPT-4. Для работы используется библиотека open_clip_torch, а веса представлены в формате PyTorch. Модель предназначена для классификации рентгеновских снимков по текстовым описаниям в режиме zero-shot и для извлечения признаков изображений и текста в последующих задачах. Авторы сообщают об оценке на пяти наборах данных рентгенограмм грудной клетки, включая наборы для пневмонии и COVID-19. Указана лицензия MIT. Модель предназначена для исследований и не должна использоваться для клинической диагностики, лечения или принятия медицинских решений; авторы также отмечают риск смещения и недостаточную устойчивость контрастивной цели обучения.

Stanford AIMI әзірлеген XraySigLIP — кеуде қуысының рентген суреттерін мәтіндік сипаттамалармен салыстыратын SigLIP негізіндегі zero-shot классификация моделі. Ол ViT-L/16 SigLIP-384 архитектурасына сүйенеді және сурет пен кандидат белгілер тізімін қабылдап, олардың сәйкестік бағаларын береді. Модель рентген суреттерін еркін берілген мәтіндік санаттар бойынша алдын ала арнайы оқытусыз жіктеуге арналған; ол CheXagent жобасының құрамындағы модельдердің бірі. Hugging Face карточкасында шамамен 0,7 млрд параметр көрсетілген. Лицензиясы CC BY-NC 4.0, сондықтан коммерциялық қолдануға арналмаған.

keremberke/yolov8n-protective-equipment-detection — модель обнаружения объектов на основе архитектуры YOLOv8, опубликованная пользователем Hugging Face keremberke. Она предназначена для поиска на изображениях средств индивидуальной защиты и выявления случаев, когда они отсутствуют: модель распознаёт перчатки, защитные очки, каски, маски и обувь, а также соответствующие классы отсутствующей экипировки. Модель подходит для контроля соблюдения требований безопасности на рабочих местах по фото или кадрам с камер. Она опубликована в формате PyTorch и использует библиотеку Ultralytics. Карточка перечисляет классы объектов и упоминает установку ultralyticsplus, но не приводит дополнительные сведения о точности, размере модели или условиях лицензирования.

rouluan/Agro-TabPFN — дообученная модель регрессии на основе TabPFN-v3, созданная для прогнозирования урожайности кукурузы по провинциям Китая. Она обучена на данных за 2003–2022 годы: 602 наблюдения, 96 признаков и 31 провинция. В README указаны контекст 256 и продолжительность обучения 30 эпох; лучший результат на валидации получен на 26-й эпохе. Модель принимает табличные признаки и выдаёт числовые прогнозы. Во внутренней проверке на данных 2020–2022 годов версия после дообучения показала RMSE 0,6207 и R² 0,6981 против RMSE 0,6865 и R² 0,6308 у базовой модели. Репозиторий содержит полный возобновляемый чекпойнт с состоянием оптимизатора, предназначенный также для продолжения дообучения. Веса распространяются по TABPFN-3 Non-Commercial License v1.0: коммерческое и производственное применение запрещено, как и предоставление модели через размещённые, управляемые, API- или SaaS-сервисы. Это неофициальная производная модель, не одобренная Prior Labs GmbH.

allsky-stars-detected-v2 — модель классификации изображений на базе Vision Transformer (ViT), дообученная на google/vit-base-patch16-224-in21k. По названию репозитория она предназначена для обнаружения звёзд на изображениях неба; README подтверждает дообучение на наборе imagefolder, но не описывает классы и состав данных. В README указаны результаты на оценочной выборке: accuracy 0,9948 и loss 0,0171. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0.

AnomalyThink-Qwen2.5-VL-7B-SFT — мультимодальная модель для объяснимого обнаружения аномалий на промышленных изображениях, созданная как исследовательский артефакт магистерской работы TU Delft. Это базовая SFT-версия семейства AnomalyThink: Qwen2.5-VL-7B дообучена на 6 000 размеченных трасс рассуждений, созданных Gemini 2.5 Flash на изображениях Real-IAD; этапов RL и самодистилляции в обучении этой версии нет. На вход модель получает изображение изделия и запрос, а на выходе формирует структурированное объяснение, описание дефекта и бинарное решение о наличии аномалии. В README приведены сбалансированные точности 80,16% на DS-MVTec и 64,78% на VisA при оценке на соответствующих поднаборах MMAD. Модель распространяется под лицензией Apache-2.0. Модель может уверенно сообщать о дефекте на исправном изделии, что приводит к ложным срабатываниям. Результаты на открытых наборах DS-MVTec и VisA следует интерпретировать с учётом возможного попадания этих изображений в предобучение VLM.

AnomalyThink-Qwen2.5-VL-7B-SFT-GRPO — разработанная автором карточки исследовательская модель для объяснимого обнаружения аномалий на промышленных изображениях. Это плотная мультимодальная модель Qwen2.5-VL с 7 млрд параметров, дообученная в два этапа: supervised fine-tuning на 6 000 примерах с рассуждениями, затем GRPO; опубликованный чекпойнт — checkpoint-530 этого запуска. Модель принимает изображение изделия и текстовую инструкцию, а в ответ формирует структурированное обоснование, описание дефекта и бинарный вердикт о наличии аномалии. Модель предназначена для исследований визуального контроля качества и анализа объяснимости решений в промышленной инспекции. В README сообщаются сбалансированная точность 82,73% на подмножестве DS-MVTec и 70,39% на VisA; результаты получены на указанных наборах в общей тестовой процедуре. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0. Модель может уверенно ошибочно обнаруживать дефекты на нормальных изделиях, а варианты линии GRPO могут чрезмерно часто предсказывать тип дефекта «Missing Parts». В README также отмечено, что изображения из открытых тестовых наборов могли встречаться при предварительном обучении VLM, поэтому абсолютные показатели требуют осторожной интерпретации.

Apertus-8B Financial Reasoner v1 — модель gaparecido, дообученная на swiss-ai/Apertus-8B-Instruct-2509 для двухэтапного анализа финансовых новостей о тикерах акций. На первом этапе она классифицирует реакцию рынка на новость с учётом движения цены: good, bad, neutral, overreaction_down или overreaction_up. На втором этапе, получив эту оценку, разрыв в стоимости и уже рассчитанную рекомендацию BUY/SELL/HOLD, модель формирует объяснение и JSON-ответ. Модель основана на плотной архитектуре ApertusForCausalLM, содержит 10,3 млрд параметров и поддерживает контекст до 65 536 токенов. Это диалоговая текстовая модель; карточка указывает английский язык. Чекпойнт объединён в формат bfloat16 и состоит из четырёх файлов safetensors; для запуска на видеокарте с ограниченной памятью автор предлагает загружать веса в 4-битном режиме. Модель подходит для структурирования анализа финансовых новостей, но сама не принимает решение BUY/SELL/HOLD: рекомендация поступает от отдельной детерминированной логики, объединяющей классификацию и оценку разрыва стоимости по DCF. Лицензия — Apache-2.0.

gaurav8894/autotrain-jg5vn-mm4f4 — модель классификации текста, обученная с помощью AutoTrain на базе google-bert/bert-base-uncased. Она предназначена для отнесения входного текста к классам, заданным при обучении. Модель использует архитектуру BERT для классификации последовательностей, содержит 136,7 млн параметров и принимает тексты длиной до 512 токенов. В карточке приведены метрики проверки: точность составляет 0,143, а macro F1 — 0,152; результаты указывают на низкое качество классификации на указанной проверочной выборке. Базовая модель ориентирована на английский язык, поэтому применение к другим языкам не подтверждено. Лицензия в доступных данных не приведена.

aajrami/bert-ascii-base — языковая модель на архитектуре RoBERTa, разработанная с экспериментальной целью изучить влияние задачи предварительного обучения на усвоение языковых свойств. Модель обучалась предсказывать сумму ASCII-кодов символов в замаскированном токене. В репозитории указаны веса PyTorch и Safetensors, лицензия CC BY 4.0, размер около 151,8 млн параметров и контекст до 514 токенов. Модель предназначена прежде всего для извлечения признаков из текста и исследовательских экспериментов с представлениями языка. README не описывает специализированные прикладные сценарии или набор поддерживаемых языков. Не следует считать её готовой универсальной чат-моделью: заявленная задача и обучение ориентированы на исследование свойств языковых моделей.

nlp-guild/bert-base-chinese-finetuned-intent_recognition-biomedical — модель на базе BERT, дообученная для распознавания намерений в тексте. Она предназначена для классификации пользовательских запросов по намерениям в биомедицинском контексте. Модель содержит 129,5 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Модель построена на bert-base-chinese и опубликована в формате PyTorch. Карточка не уточняет набор меток, языки датасета и лицензию, поэтому их нельзя надёжно определить по доступным сведениям.