IV.9Медиа, журналистика, культура, архивы и игры

ImageShield-MMCF-2B-vl — мультимодальная модель-классификатор безопасности визуального контента от prithivMLmods, дообученная на базе Qwen/Qwen3-VL-2B-Instruct на датасете ImageShield-Guardrail-Multimodal-20K. Она принимает изображения и предназначена для классификации содержимого как безопасного или небезопасного, в частности для обнаружения чувственного контента NSFW и других потенциально чувствительных сцен. Модель может применяться в системах модерации, родительского контроля и исследовательских проектах по мультимодальной безопасности. Модель построена на архитектуре Qwen3-VL и формирует структурированный JSON с подписью изображения, классификацией и объяснением. Она использует консервативный порог, поэтому может помечать безобидные изображения как небезопасные. Возможны также пропуски чувствительного контента и нестабильные результаты, зависящие от качества изображения, контекста и инструкции; классификация не является окончательным юридическим или экспертным заключением. Лицензия — Apache-2.0.

lambda_resnet50ts.a1h_in1k — модель классификации изображений и визуальный backbone из библиотеки timm, разработанный Россом Уайтманом и обученный на ImageNet-1k. Она основана на ResNet и использует блоки LambdaNet для моделирования дальних пространственных взаимодействий. Вариант реализован через гибкую архитектуру BYOBNet; конфигурация сокращает число блоков self-attention и не повторяет точную конфигурацию какой-либо одной статьи. Модель предназначена для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. Она рассчитана на изображения размером 256 × 256 и содержит около 21,5 млн параметров. Обучение проведено с рецептом ResNet Strikes Back A1, оптимизатором LAMB, усиленными dropout, stochastic depth и RandAugment, а также косинусным расписанием скорости обучения с прогревом. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Модель обучена на ImageNet-1k; применение к другим наборам изображений может потребовать дополнительной проверки или адаптации.

LeViT-128.fb_dist_in1k — модель классификации изображений из семейства LeViT, опубликованная в репозитории timm. Это сверточный вариант архитектуры LeViT на PyTorch: в блоках используются nn.Conv2d и nn.BatchNorm2d. Модель содержит около 9,2 млн параметров, рассчитана на изображения размером 224 × 224 и предобучена авторами статьи на ImageNet-1k с дистилляцией. Модель предназначена для присвоения изображениям меток классов и может использоваться как основа для извлечения признаков. В карточке приведены вычислительные характеристики: 0,4 GMACs и 2,7 млн активаций. Репозиторий предоставляет веса в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Карточка не приводит подробных оценок точности именно для версии 128.

Liujgoj-Cantonese-Gemma4-12b-Base-i1-GGUF — квантизированная версия базовой модели Liujgoj-Cantonese-Gemma4-12b-Base, разработанной пользователем или организацией Yvthyvq и преобразованной в формат GGUF пользователем mradermacher. Модель относится к семейству Gemma4, имеет около 12 млрд параметров и предназначена для генерации текста, прежде всего на китайском языке и кантонском варианте китайского языка. Модель подходит для локального запуска и сценариев, где требуется работа с кантонским языком, включая генерацию, продолжение и обработку текста. В README она также обозначена как vision model, однако сведения о поддерживаемых визуальных входах, архитектуре мультимодального компонента и необходимых mmproj-файлах не приведены. Длина контекста, точный набор языков, результаты тестирования и системные требования не указаны. Преимущество сборки — наличие множества вариантов квантизации GGUF с размерами примерно от 3,1 до 11,9 ГБ, что позволяет выбирать компромисс между качеством, скоростью и потреблением памяти. При этом низкобитные варианты могут заметно уступать по качеству; в README для ряда вариантов это отмечено напрямую. Указана лицензия Apache-2.0, также присутствует обозначение opencsg-community.

Модель KETI-AIR-Downstream/long-ke-t5-base-translation-aihub-ko2en разработана как дообученная версия KETI-AIR/long-ke-t5-base для перевода с корейского на английский. Она основана на архитектуре LongT5 и содержит 148,3 млн параметров; максимальная длина контекста — 4096 токенов. Модель принимает корейский текст и генерирует английский перевод. Дообучение проводилось на наборах данных AI Hub по переводу текстов о пищевых продуктах, науке и технологиях, социальной сфере и разговорной речи. В карточке приведены результаты оценки: BLEU 58,7008 и loss 0,5186. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Оценка качества может зависеть от тематики и характеристик входных текстов; в карточке не приведены подробные сведения об ограничениях и методике оценки.

LowFormer E1 — модель для классификации изображений и извлечения визуальных признаков, разработанная авторами LowFormer и обученная на ImageNet-1k. Версия E1 рассчитана на edge GPU: в её архитектуре используются сверточные блоки, без ветвей внимания и MLP. Модель содержит 18,9 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель определяет классы объектов на изображении, а также может выдавать эмбеддинги и многомасштабные карты признаков. Предобработка включает изменение размера с бикубической интерполяцией, нормализацию статистиками ImageNet и центральную обрезку. Контрольная точность в README приводится для вариантов LowFormer, но отдельные результаты E1 в предоставленной таблице не видны. Заявленная цель LowFormer — оптимизация фактической задержки на оборудовании, а не только числа операций; реальная скорость зависит от устройства, среды инференса, способа экспорта и размера пакета. Веса преобразованы в формат state dict библиотеки timm и доступны в safetensors. Лицензия — Apache 2.0.

MaxViT Base TF 512 — модель классификации изображений семейства MaxViT. Её обучили авторы работы: предварительно на ImageNet-21k, затем дообучили на ImageNet-1k. Реализацию TensorFlow перенёс в PyTorch Росс Уайтман; модель доступна через библиотеку timm. Архитектура объединяет блоки MBConv и два вида self-attention: оконное и сеточное. Модель содержит около 119,9 млн параметров и рассчитана на изображения размером 512 × 512 пикселей. В карточке приведена точность Top-1 88,20% и Top-5 98,53% на ImageNet-1k. Её также можно использовать как основу для извлечения признаковых карт и эмбеддингов изображений. Модель принимает изображения и выдаёт классы объектов либо признаки изображения. Она предназначена для задач компьютерного зрения общего назначения; сведения о поддержке естественных языков к ней не относятся. Лицензия — Apache-2.0. Высокая вычислительная стоимость и входной размер 512 × 512 могут ограничивать применение на маломощном оборудовании.

Mistral-Nemo-Prism-12B-v2 — экспериментальная разговорная модель автора nbeerbower, дообученная на базе nbeerbower/Mahou-1.5-mistral-nemo-12B-lorablated. Модель предназначена для генерации диалоговых ответов и ролевого общения; при дообучении автор стремился уменьшить архаичную лексику и чрезмерно витиеватый стиль в uncensored-модели. Это плотная авторегрессионная архитектура Mistral с 12,1 млрд параметров. Для обучения применялся ORPO на датасетах Arkhaios-DPO и Purpura-DPO в течение пяти эпох; также использовался системный промпт, помогающий подстраивать ответы под данные. В метаданных заявлен контекст до 1 024 000 токенов. Модель работает с текстом и рассчитана на диалоговое взаимодействие. Автор характеризует её как личный эксперимент, а не готовый к производственному применению релиз; качество и заявленная цель снижения витиеватости могут зависеть от запроса. Модель распространяется по лицензии Apache-2.0.

MobileNet V2 — компактная сверточная модель классификации изображений, разработанная авторами архитектуры MobileNetV2 и впервые выпущенная в этом репозитории. Этот чекпойнт предварительно обучен на ImageNet-1k и выдаёт оценки для 1000 классов набора; он рассчитан на входные изображения разрешением 96×96 пикселей и использует множитель глубины 0,35. Модель предназначена для классификации изображений в сценариях с ограниченными вычислительными ресурсами, например на мобильных устройствах. Архитектура MobileNet V2 оптимизирована для низкой задержки и энергопотребления, с компромиссом между размером, скоростью и точностью. Доступны веса PyTorch; лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

mobilenetv3_small_100.lamb_in1k — компактная сверточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k с рецептом на основе оптимизатора LAMB и усреднения весов EMA. Модель содержит около 2,5 млн параметров, обрабатывает изображения размером 224 × 224 и имеет вычислительную сложность около 0,1 GMAC. Модель предназначена для классификации изображений по категориям ImageNet-1k. Её также можно использовать как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. Небольшой размер делает её подходящей для задач компьютерного зрения с ограниченными вычислительными ресурсами. Это модель семейства MobileNetV3, распространяемая в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Она обучена на ImageNet-1k, поэтому её классы и качество вне этого набора могут не соответствовать конкретной прикладной задаче; для другой предметной области может потребоваться адаптация.

MobileNetV4 Conv Large — сверточная модель классификации изображений, опубликованная Ross Wightman в библиотеке timm. Она обучена на ImageNet-1k и предназначена для присвоения изображениям меток из набора классов ImageNet, а также может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Модель содержит около 32,6 млн параметров и требует примерно 2,9 GMACs на изображение. Размер входа при обучении составлял 256 × 256 пикселей, при тестировании — 320 × 320. Веса обучены скриптами timm с гиперпараметрами, вдохновлёнными статьёй MobileNetV4 и дополнениями timm. В карточке указано, что официальные веса TensorFlow-моделей на тот момент не были опубликованы; доступны веса этой реализации. Репозиторий содержит форматы PyTorch и safetensors. Модель подходит для классификации изображений и извлечения визуальных признаков в приложениях компьютерного зрения. Она обучена на ImageNet-1k, поэтому её классы и качество за пределами этого набора данных могут не соответствовать конкретной предметной области без дополнительной адаптации. Лицензия — Apache-2.0.

Ateeqq/nsfw-image-detection — модель классификации изображений, созданная дообучением Google SigLIP 2 Base Patch16-224 на пользовательском наборе данных из трёх категорий. Она относит изображение к одному из классов: насилие и кровопролитие, нагота и порнография, безопасный обычный контент. Модель предназначена для модерации изображений и фильтрации контента в системах безопасности. Модель использует архитектуру SigLIP и библиотеку Transformers; для весов указан формат safetensors. В README приведены результаты обучения до пятой эпохи и пример предсказания с оценками уверенности. Лицензия — Apache-2.0. Описание не приводит сведений о точности на независимых данных, поэтому метрики из карточки не гарантируют аналогичное качество в других сценариях.

Falconsai/nsfw_image_detection — модель классификации изображений на основе Vision Transformer (ViT), разработанная Falconsai и дообученная на базе google/vit-base-patch16-224-in21k. Она различает два класса: обычное изображение и NSFW-контент. В карточке указано, что обучение проводилось на наборе из 80 тысяч изображений; архитектура ViT использует изображения размером 224×224 пикселя. Модель рассчитана на автоматическую фильтрацию изображений в системах модерации и безопасности контента. Модель принимает изображение и выдаёт метку класса. Она подходит для первичной сортировки и фильтрации, но предсказания могут ошибаться, поэтому для чувствительных решений нужна проверка качества на целевых данных и подходящий порог классификации. Лицензия — Apache-2.0.

Карточка модели Shabeer990/nsfw_image_detection на Hugging Face совпадает с карточкой GBDA/nsfw_image_detection, поэтому описание составлено по ней. GBDA/nsfw_image_detection — модель классификации изображений на базе Vision Transformer (ViT), дообученная для различения двух классов: обычный контент и NSFW. В основе лежит google/vit-base-patch16-224-in21k, предварительно обученная на ImageNet-21k; модель содержит 113,2 млн параметров и рассчитана на изображения, приводимые к разрешению 224×224 пикселя. Модель предназначена для фильтрации изображений и модерации контента в приложениях, где нужно выявлять материалы для взрослых. В README указано, что дообучение проводилось на 80 000 изображениях из закрытого набора данных. Модель распространяется по лицензии Apache-2.0. Карточка заявляет высокую точность, но не приводит метрик или независимой оценки; качество классификации и применимость к конкретному контенту следует проверять отдельно.

Модель janmbuys/omniASR-CTC-300m-v2-Zulu-Lwazi — дообученная для распознавания речи на isiZulu версия uctnlp/omniASR-CTC-300m-v2-Zulu-Baseline. Это модель Wav2Vec2ForCTC с символьным CTC-выходом; адаптация LoRA к телефонной речи с частотой 8 кГц объединена с весами. В репозитории также находятся символьный декодер, лексикон и 6-граммовая субсловная языковая модель для декодирования. Модель предназначена прежде всего для транскрибации спонтанной isiZulu-речи в телефонных записях. В README для набора Lwazi приведён WER 38,16% для адаптированной модели при жадном декодировании; тестовые выборки небольшие, поэтому небольшие различия в результатах могут быть незначимы. Модель содержит 413,2 млн параметров по метаданным Hugging Face; README указывает 326 млн параметров для акустической модели. Доступна через Transformers и загружается как самостоятельный чекпойнт. Лицензия — CC BY 4.0. Ограничения: настройка рассчитана на узкополосную телефонную речь 8 кГц; для широкополосного аудио базовая модель без адаптации может работать лучше. Языковая модель обучена на письменных веб- и новостных текстах, около 10% слов в разметке Lwazi отсутствуют в её словаре; отдельная оценка смешения языков не проводилась.

Карточка модели piyawudk/PhishMe-12k-Qwen3.5-4B-P1-CSFT-v2 на Hugging Face совпадает с карточкой piyawudk/PhishMe-12k-Qwen3.5-4B-P1-CDFT-v3, поэтому описание составлено по ней. piyawudk/PhishMe-12k-Qwen3.5-4B-P1-CDFT-v3 — дообученная piyawudk мультимодальная модель семейства Qwen3.5 с плотной архитектурой Qwen3_5ForConditionalGeneration на 4 млрд параметров, основанная на Qwen/Qwen3.5-4B. Она предназначена для диалогового взаимодействия и обработки изображений с текстом. В карточке указано, что обучение выполнялось с Unsloth; модель опубликована в формате Safetensors. Модель принимает текст и изображения и выдаёт текст. Поддерживаемый карточкой язык — английский. Лицензия Apache-2.0. README не уточняет специализацию названия PhishMe, данные обучения или конкретные показатели качества, поэтому пригодность для обнаружения фишинга по имеющимся сведениям подтвердить нельзя.

timm/pit_s_224.in1k — модель семейства PiT (Pooling-based Vision Transformer) для классификации изображений и извлечения признаков. Она обучена авторами статьи «Rethinking Spatial Dimensions of Vision Transformers» на ImageNet-1k и предназначена для обработки изображений размером 224 × 224 пикселя. Модель содержит 23,5 млн параметров и может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. Репозиторий предоставляет веса PyTorch и SafeTensors; для работы указана библиотека timm. Модель распространяется по лицензии Apache-2.0.

Qwen3.6-27B-AEON-Ultimate-Uncensored-GGUF — набор GGUF-квантизаций модели AEON-7/Qwen3.6-27B-AEON-Ultimate-Uncensored, опубликованный пользователем Abiray. Модель предназначена для генерации текста, в частности для неограниченного ролевого взаимодействия, творческого письма с мрачными и взрослыми сюжетами, а также локального автономного запуска через llama.cpp, LM Studio, text-generation-webui или Ollama. Указан английский язык. Это текстовая модель на 27B параметров с архитектурными компонентами 1D SSM и механизмом выборочной динамики состояния. Поддерживает встроенный режим рассуждений через блок <think> и ChatML-шаблон, встроенный в метаданные GGUF. Доступны квантизации от 3 до 8 бит; рекомендуемой названа Q4_K_M, а версии с сохранёнными в FP16 выходным тензором и SSM-весами позиционируются как обеспечивающие лучшее сохранение рассуждений и качества. Контекст в README явно не указан; в примере используется 4096 токенов. Сильными сторонами заявлены сохранение логики и дальнего контекста при квантизации, работа полностью офлайн и совместимость с современными инструментами локального инференса. Ограничения включают зависимость характеристик от выбранной квантизации и аппаратного обеспечения, а также отсутствие заявленных защитных ограничений, что требует осторожности при использовании. Лицензия указана как other; конкретные условия не раскрыты.

Это визуальный энкодер семейства Qwen3-VL, представленный в формате timm. Модель содержит около 415 млн параметров и извлечена из Qwen/Qwen3-VL-30B-A3B-Instruct; README уточняет, что веса изображения перенесены в timm без дополнительного обучения. Языковые веса и обученная голова классификации в репозитории отсутствуют. Энкодер преобразует RGB-изображения в пространственные признаки и эмбеддинги. В архитектуре используются MLP с GELU-tanh, обучаемые абсолютные позиционные представления и осевой 2D RoPE; доступны промежуточные карты признаков. Указан размер изображения 768 × 768, поддерживаются прямоугольные изображения, размеры сторон должны делиться на 16, а для вариантов с объединением 2 × 2 — на 32. Для классификации нужно добавить и обучить линейную голову на целевом наборе данных. Модель подходит для извлечения визуальных признаков и подготовки энкодера к последующей классификации изображений. Она не включает языковую модель и проекторы DeepStack Qwen3-VL. Лицензия — Apache 2.0.

RegNetX-8GF — свёрточная модель классификации изображений и извлечения признаков, предоставленная в библиотеке timm. Версия regnetx_080.tv2_in1k предварительно обучена на ImageNet-1k участниками проекта torchvision. В модели около 39,6 млн параметров; указанный для карточки размер изображения — 224 × 224 пикселя, вычислительная сложность — 8,0 GMACs. Модель предназначена для определения категорий объектов на изображениях, извлечения карт признаков и получения визуальных эмбеддингов. Её можно использовать как основу для классификации изображений и как визуальный backbone в прикладных системах компьютерного зрения. Реализация timm включает стохастическую глубину, градиентный чекпойнтинг и настройку выходного шага, активаций и нормализации. Модель принимает изображения и выдаёт классы или признаки, в зависимости от выбранного способа использования. Карточка не описывает поддержку естественных языков. Распространяется по лицензии BSD 3-Clause.

RegNetY-4GF — модель классификации изображений и извлечения визуальных признаков, обученная Россом Уайтманом в библиотеке timm на ImageNet-1k. Она предназначена для определения объектов на изображениях, использования в качестве визуального backbone и извлечения карт признаков или эмбеддингов. Модель содержит 20,6 млн параметров и требует около 4,0 GMACs на изображение. Для обучения использовался размер изображения 224×224, для тестирования — 288×288. Реализация timm поддерживает стохастическую глубину, градиентный чекпойнтинг и настройку выходного stride, активаций и нормализационных слоёв. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache-2.0.

RegNetY-12GF — модель классификации изображений и извлечения признаков из семейства RegNetY, опубликованная Россом Уайтманом в библиотеке timm. Она предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Модель содержит 51,8 млн параметров и выполняет 12,1 GMACs; в карточке приведены размеры изображений 224×224 для обучения и 288×288 для тестирования. Модель предназначена для классификации объектов на изображениях, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальную основу в прикладных системах компьютерного зрения. Реализация timm включает стохастическую глубину, градиентное чекпойнтирование, настройку шага выхода и другие варианты конфигурации слоёв. Веса распространяются по лицензии Apache-2.0. Оценки качества в README относятся к разным моделям из сравнительной таблицы и не позволяют определить точность именно этого чекпойнта. Модель работает с изображениями и сама по себе не предназначена для генерации текста или описаний.

regnetz_c16.ra3_in1k — модель классификации изображений семейства RegNetZ, обученная Россом Уайтманом в библиотеке timm на ImageNet-1k. Архитектура реализована через BYOBNet и использует блоки с расширением inverted bottleneck и линейными выходами блоков. Модель содержит около 13,5 млн параметров и требует примерно 2,5 GMACs; изображения при обучении имели размер 256×256, при тестировании — 320×320. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения признаков и эмбеддингов. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

RepGhostNet 200 — модель классификации изображений и извлечения визуальных признаков из семейства RepGhostNet, обученная авторами статьи на ImageNet-1k. Она предназначена для присвоения изображению класса, извлечения карт признаков и получения визуальных эмбеддингов; заявленный размер входа — 224 × 224 пикселя. Модель содержит 9,8 млн параметров и требует около 0,5 GMAC на проход. Репозиторий предоставляет веса PyTorch в формате safetensors и распространяется по лицензии MIT. Это компактная визуальная модель общего назначения, обученная на ImageNet-1k; сведения о конкретной точности или поддержке иных наборов классов не приводятся.

Res2Net-101 26w 4s — модель классификации изображений и извлечения признаков из семейства Res2Net, опубликованная авторами статьи и обученная на ImageNet-1k. Архитектура Multi-Scale ResNet обрабатывает изображение через многомасштабные признаки; модель содержит 45,2 млн параметров и рассчитана на вход размером 224 × 224 пикселя. Модель подходит для классификации изображений по классам ImageNet-1k, извлечения карт признаков и построения эмбеддингов изображений. Её можно использовать как визуальный backbone в системах компьютерного зрения. Репозиторий предоставляет веса PyTorch в формате safetensors. Лицензия в метаданных не определена, поэтому условия использования следует уточнить у разработчика.

Res2Net50 26w 6s — сверточная модель классификации изображений и извлечения признаков из семейства Res2Net, разработанная авторами соответствующей научной работы и опубликованная в формате timm. Модель обучена на ImageNet-1k; содержит 37,1 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Архитектура использует многомасштабные блоки Res2Net для построения признакового представления изображения. Модель подходит для классификации изображений, извлечения карт признаков и получения эмбеддингов, которые можно использовать в компьютерном зрении. В карточке указаны вычислительная стоимость 6,3 GMACs и 15,3 млн активаций. Лицензия в метаданных обозначена как неизвестная, поэтому условия использования следует проверить в репозитории.

ResNeSt-101e — модель классификации изображений на основе ResNet с механизмом Split Attention, опубликованная авторами статьи ResNeSt и представленная в библиотеке timm. Модель обучена на ImageNet-1k; в карточке указано 48,3 млн параметров, 13,4 GMAC и размер входного изображения 256 × 256. Модель предназначена для классификации изображений по категориям ImageNet-1k. Её также можно использовать как визуальный бэкбон для извлечения карт признаков и эмбеддингов изображений. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия репозитория — Apache-2.0. Модель принимает изображения и выдаёт классовые предсказания; при использовании функций извлечения признаков или эмбеддингов результатом служат векторные представления. Она обучена на ImageNet-1k, поэтому её качество и набор классов ориентированы на эту задачу и датасет.

ResNet101.a1_in1k — сверточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k по рецепту ResNet Strikes Back A1. Архитектура ResNet-B использует ReLU, начальную свёртку 7×7 с пулингом и свёрточные обходные связи 1×1. Модель содержит 44,5 млн параметров и рассчитана на изображения размером 224×224 при обучении и 288×288 при проверке. Модель предназначена для классификации изображений по классам ImageNet-1k. Её также можно использовать как основу для извлечения карт признаков и эмбеддингов изображений в компьютерном зрении. Для применения доступны веса PyTorch и SafeTensors; лицензия — Apache 2.0. Карточка приводит характеристики вычислительной нагрузки, но не описывает ограничения точности или поведения вне ImageNet-1k.

ResNet-50.a2_in1k — модель классификации изображений из библиотеки timm, обученная на ImageNet-1k по рецепту ResNet Strikes Back A2. Она использует архитектуру ResNet с активациями ReLU, начальной свёрткой 7×7 с pooling и shortcut-свёртками 1×1. Модель содержит 25,6 млн параметров и предназначена для классификации изображений и извлечения признаковых карт и эмбеддингов. Модель подходит для распознавания объектов и категорий на изображениях, а также как визуальная основа для других систем компьютерного зрения. В README указаны размер обучения 224×224 и тестирования 288×288 пикселей. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

ResNet-C — сверточная модель классификации изображений из библиотеки timm, разработанная на основе архитектуры ResNet. Версия resnet50c.gluon_in1k содержит 25,6 млн параметров, использует активации ReLU, трёхслойный стем из свёрток 3×3 с пулингом и обходные соединения с понижающей выборкой через свёртки 1×1. Расчётный размер изображения — 224×224 пикселя. Модель обучена на ImageNet-1k с использованием Apache Gluon и рецептов Bag of Tricks for Image Classification. Она предназначена для классификации изображений по классам ImageNet, а также может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. Веса доступны в форматах PyTorch и safetensors. Модель рассчитана на обработку изображений и выдаёт метки классов; эмбеддинги и карты признаков доступны при соответствующем использовании модели. Лицензия — Apache-2.0. Качество классификации за пределами ImageNet-1k и ограничения при работе с изображениями иного размера или предметной области в карточке не описаны.