watermark_detector

amrul-hzz

Clasificación de imagen

Este modelo es una versión ajustada de google/vit-base-patch16-224-in21k en un conjunto de datos desconocido. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 0.6014, Precisión: 0.6574

Como usar

Procedimiento de entrenamiento
Los siguientes hiperparámetros se utilizaron durante el entrenamiento:

learning_rate: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Resultados del entrenamiento

Pérdida de entrenamiento por época:

Época 1.0:

Paso 1139: Pérdida de Validación: 0.6375, Precisión: 0.6262


Época 2.0:

Paso 2278: Pérdida de Validación: 0.6253, Precisión: 0.6438


Época 3.0:

Paso 3417: Pérdida de Validación: 0.6110, Precisión: 0.6508





Versiones del Marco de Trabajo

Transformers 4.33.3
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.13.3

API de Inferencia
Este modelo aún no tiene suficiente actividad para ser desplegado en la API de Inferencia (sin servidor). Aumente su visibilidad social y vuelva a chequear más tarde, o despliegue en Endpoints de Inferencia (dedicados).

Funcionalidades

Transformers
PyTorch
Clasificación de Imágenes
Generado a partir de Trainer

Casos de uso

Detección de marcas de agua en imágenes
Clasificación de imágenes