videomae-surf-analytics-v2

2nzi

Clasificación de video

Este modelo es una versión ajustada de MCG-NJU/videomae-base en un conjunto de datos desconocido. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 0.5544, Precisión: 0.8852, F1: 0.8840.

Como usar

Aquí se muestran los hiperparámetros usados durante el entrenamiento:
learning_rate: 5e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
training_steps: 1850

Resultados de entrenamiento:
Pérdida de Entrenamiento | Época | Paso | Pérdida de Validación | Precisión | F1
---|---|---|---|---|---
1.3096 | 0.2005 | 371 | 1.3267 | 0.4590 | 0.2888
1.0586 | 1.2005 | 742 | 1.2866 | 0.5820 | 0.5035
0.9781 | 2.2005 | 1113 | 0.7952 | 0.7459 | 0.7466
0.0034 | 3.2005 | 1484 | 0.7218 | 0.8361 | 0.8343
0.1895 | 4.1978 | 1850 | 0.5544 | 0.8852 | 0.8840

Versiones del marco:
Transformers 4.41.2
Pytorch 2.1.0+cu118
Datasets 2.19.2
Tokenizers 0.19.1

Funcionalidades

Clasificación de video
Transformers
Safetensors

Casos de uso

Análisis de surf en videos
Clasificación de videos deportivos