videomae-base-finetuned-ucf101-subset

steveice
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: 0.3963, Precisión: 0.8581.

Como usar

Los siguientes hiperparámetros se utilizaron durante el entrenamiento:

learning_rate: 5e-05
train_batch_size: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
training_steps: 300

Resultados del entrenamiento:

Pérdida de entrenamiento:
- Epoch: 1.6659, Step: 0.25, Pérdida de validación: 1.3183, Precisión: 0.5429
- Epoch: 0.5699, Step: 1.25, Pérdida de validación: 0.5787, Precisión: 0.8143
- Epoch: 0.3734, Step: 2.25, Pérdida de validación: 0.4037, Precisión: 0.8857
- Epoch: 0.108, Step: 3.25, Pérdida de validación: 0.2853, Precisión: 0.9571

Versiones de los frameworks utilizados:

Transformers 4.26.1
Pytorch 1.12.1+cu113
Datasets 2.10.0
Tokenizers 0.13.2

El modelo no tiene suficiente actividad para ser desplegado en la API de inferencia (sin servidor) todavía. Aumente su visibilidad social y vuelva a comprobarlo más tarde, o despliegue a los Puntos de Inferencia (dedicados) en su lugar.

Funcionalidades

Clasificación de video
Transformers
PyTorch

Casos de uso

Clasificación de videos para sistemas de vigilancia
Etiquetado automático de contenido de video
Análisis de secuencias de video para identificar eventos