Vit Base Game Icons
V
Vit Base Game Icons
chromefanによって開発
ViTアーキテクチャに基づく画像分類モデルで、ゲーム広告データセットで微調整されました。
ダウンロード数 18
リリース時間 : 3/16/2023
モデル概要
このモデルはgoogle/vit-base-patch16-224-in21kの事前学習モデルに基づいて、ゲーム広告画像データセットで微調整された画像分類モデルです。主にゲーム広告画像の分類タスクに使用されます。
モデル特徴
ViTアーキテクチャに基づく
Vision Transformer(ViT)アーキテクチャを使用して、画像データを効果的に処理できます。
転移学習
事前学習モデルに基づいて微調整され、特定の分野の画像分類タスクに適しています。
モデル能力
画像分類
ゲーム広告識別
使用事例
広告分析
ゲーム広告分類
ゲーム広告画像を分類識別します。
評価精度30.24%
🚀 game-ad-0306_outputs
このモデルは、google/vit-base-patch16-224-in21k を ./data/games-ad-0306 データセットで微調整したバージョンです。評価セットでは以下の結果を達成しています。
- 損失: 2.6235
- 正解率: 0.3024
🚀 クイックスタート
このモデルは画像分類タスクに使用できます。微調整には特定のハイパーパラメータが使用されており、詳細は「Training procedure」を参照してください。
🔧 技術詳細
学習ハイパーパラメータ
学習中には以下のハイパーパラメータが使用されました。
- learning_rate: 2e-05
- train_batch_size: 16
- eval_batch_size: 16
- seed: 13373
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 1000.0
学習結果
学習損失 | エポック | ステップ | 検証損失 | 正解率 |
---|---|---|---|---|
3.2891 | 1.0 | 103 | 3.0266 | 0.2165 |
2.9971 | 2.0 | 206 | 2.9194 | 0.2302 |
2.9151 | 3.0 | 309 | 2.8731 | 0.2474 |
2.8579 | 4.0 | 412 | 2.8072 | 0.2715 |
2.7768 | 5.0 | 515 | 2.7918 | 0.2577 |
2.7184 | 6.0 | 618 | 2.7296 | 0.2818 |
2.648 | 7.0 | 721 | 2.7044 | 0.2921 |
2.5884 | 8.0 | 824 | 2.7190 | 0.2680 |
2.5146 | 9.0 | 927 | 2.6942 | 0.2784 |
2.4384 | 10.0 | 1030 | 2.6877 | 0.2921 |
2.442 | 11.0 | 1133 | 2.6412 | 0.2818 |
2.3099 | 12.0 | 1236 | 2.6331 | 0.2852 |
2.2685 | 13.0 | 1339 | 2.6451 | 0.2990 |
2.182 | 14.0 | 1442 | 2.6927 | 0.2715 |
2.1421 | 15.0 | 1545 | 2.6615 | 0.3162 |
2.0483 | 16.0 | 1648 | 2.6500 | 0.3230 |
1.9884 | 17.0 | 1751 | 2.6527 | 0.2990 |
1.9316 | 18.0 | 1854 | 2.6736 | 0.2990 |
1.8785 | 19.0 | 1957 | 2.6391 | 0.2921 |
1.788 | 20.0 | 2060 | 2.7002 | 0.3127 |
1.7115 | 21.0 | 2163 | 2.8321 | 0.2715 |
1.6929 | 22.0 | 2266 | 2.6235 | 0.3024 |
1.6239 | 23.0 | 2369 | 2.6378 | 0.3058 |
1.5387 | 24.0 | 2472 | 2.6888 | 0.3127 |
1.5095 | 25.0 | 2575 | 2.6888 | 0.3127 |
1.4153 | 26.0 | 2678 | 2.6771 | 0.2715 |
1.4254 | 27.0 | 2781 | 2.7354 | 0.2887 |
1.3351 | 28.0 | 2884 | 2.7175 | 0.2990 |
1.2955 | 29.0 | 2987 | 2.7679 | 0.2818 |
1.2232 | 30.0 | 3090 | 2.7784 | 0.2921 |
1.2115 | 31.0 | 3193 | 2.8496 | 0.2749 |
1.1656 | 32.0 | 3296 | 2.7899 | 0.2818 |
1.1419 | 33.0 | 3399 | 2.7646 | 0.2715 |
1.0481 | 34.0 | 3502 | 2.8416 | 0.2715 |
0.9763 | 35.0 | 3605 | 2.8370 | 0.3024 |
0.9452 | 36.0 | 3708 | 2.7904 | 0.2955 |
0.9178 | 37.0 | 3811 | 2.8309 | 0.2715 |
0.9115 | 38.0 | 3914 | 2.8584 | 0.3093 |
0.8472 | 39.0 | 4017 | 2.9066 | 0.2612 |
0.8323 | 40.0 | 4120 | 2.8630 | 0.2921 |
0.7622 | 41.0 | 4223 | 3.0020 | 0.2680 |
0.7531 | 42.0 | 4326 | 2.8885 | 0.2921 |
0.7054 | 43.0 | 4429 | 2.8820 | 0.2818 |
0.685 | 44.0 | 4532 | 2.8764 | 0.3162 |
0.7206 | 45.0 | 4635 | 2.8659 | 0.3162 |
0.6304 | 46.0 | 4738 | 2.9537 | 0.2887 |
0.6369 | 47.0 | 4841 | 2.9660 | 0.2509 |
0.6161 | 48.0 | 4944 | 3.1112 | 0.2543 |
0.618 | 49.0 | 5047 | 2.9729 | 0.2990 |
0.556 | 50.0 | 5150 | 2.9870 | 0.2921 |
0.5314 | 51.0 | 5253 | 2.9934 | 0.3093 |
0.5502 | 52.0 | 5356 | 2.9379 | 0.2818 |
0.4958 | 53.0 | 5459 | 3.0344 | 0.3024 |
0.4896 | 54.0 | 5562 | 2.9924 | 0.2749 |
0.4803 | 55.0 | 5665 | 3.0161 | 0.3127 |
0.4554 | 56.0 | 5768 | 3.0221 | 0.2818 |
0.4591 | 57.0 | 5871 | 3.0461 | 0.3024 |
0.4349 | 58.0 | 5974 | 3.1377 | 0.3265 |
0.4127 | 59.0 | 6077 | 3.0169 | 0.2955 |
0.3973 | 60.0 | 6180 | 3.0338 | 0.2818 |
0.4109 | 61.0 | 6283 | 3.0638 | 0.2818 |
0.3872 | 62.0 | 6386 | 3.0810 | 0.2818 |
0.3693 | 63.0 | 6489 | 3.2003 | 0.2715 |
0.3457 | 64.0 | 6592 | 3.0843 | 0.2990 |
0.3521 | 65.0 | 6695 | 3.1623 | 0.3058 |
0.3625 | 66.0 | 6798 | 3.0036 | 0.3299 |
0.3339 | 67.0 | 6901 | 3.2389 | 0.2921 |
0.3378 | 68.0 | 7004 | 3.2493 | 0.2990 |
0.2981 | 69.0 | 7107 | 3.1308 | 0.2955 |
0.3023 | 70.0 | 7210 | 3.2455 | 0.3093 |
0.3076 | 71.0 | 7313 | 3.2725 | 0.2887 |
0.3201 | 72.0 | 7416 | 3.2563 | 0.2887 |
0.3083 | 73.0 | 7519 | 3.2520 | 0.2921 |
0.2906 | 74.0 | 7622 | 3.3344 | 0.3093 |
0.2721 | 75.0 | 7725 | 3.1952 | 0.2852 |
0.2873 | 76.0 | 7828 | 3.2529 | 0.3058 |
0.278 | 77.0 | 7931 | 3.3428 | 0.2818 |
0.2573 | 78.0 | 8034 | 3.3216 | 0.2784 |
0.2578 | 79.0 | 8137 | 3.4178 | 0.2955 |
0.2774 | 80.0 | 8240 | 3.3449 | 0.2818 |
0.2762 | 81.0 | 8343 | 3.3452 | 0.2749 |
0.2504 | 82.0 | 8446 | 3.5792 | 0.2955 |
0.2552 | 83.0 | 8549 | 3.3478 | 0.2818 |
0.2541 | 84.0 | 8652 | 3.4902 | 0.2784 |
0.2616 | 85.0 | 8755 | 3.2829 | 0.3127 |
0.2079 | 86.0 | 8858 | 3.5287 | 0.3162 |
0.2538 | 87.0 | 8961 | 3.4731 | 0.3196 |
0.2485 | 88.0 | 9064 | 3.5998 | 0.2646 |
0.2714 | 89.0 | 9167 | 3.4567 | 0.2921 |
0.232 | 90.0 | 9270 | 3.5061 | 0.2818 |
0.2577 | 91.0 | 9373 | 3.5370 | 0.2921 |
0.2232 | 92.0 | 9476 | 3.5062 | 0.2509 |
0.2351 | 93.0 | 9579 | 3.5592 | 0.2784 |
0.2299 | 94.0 | 9682 | 3.5167 | 0.3333 |
0.2415 | 95.0 | 9785 | 3.6283 | 0.2887 |
0.2265 | 96.0 | 9888 | 3.4819 | 0.2852 |
0.2448 | 97.0 | 9991 | 3.5793 | 0.2990 |
0.2141 | 98.0 | 10094 | 3.5728 | 0.2887 |
0.1979 | 99.0 | 10197 | 3.4685 | 0.2921 |
0.2077 | 100.0 | 10300 | 3.5586 | 0.3230 |
0.1854 | 101.0 | 10403 | 3.5650 | 0.3162 |
0.2017 | 102.0 | 10506 | 3.4760 | 0.2921 |
0.2119 | 103.0 | 10609 | 3.5531 | 0.2784 |
0.2314 | 104.0 | 10712 | 3.5118 | 0.3024 |
0.212 | 105.0 | 10815 | 3.5496 | 0.3196 |
0.197 | 106.0 | 10918 | 3.6080 | 0.2543 |
0.2067 | 107.0 | 11021 | 3.6217 | 0.2887 |
0.1896 | 108.0 | 11124 | 3.6446 | 0.3230 |
0.198 | 109.0 | 11227 | 3.7699 | 0.2784 |
0.2152 | 110.0 | 11330 | 3.6709 | 0.3162 |
0.2121 | 111.0 | 11433 | 3.6266 | 0.3368 |
0.1869 | 112.0 | 11536 | 3.6681 | 0.2955 |
0.1927 | 113.0 | 11639 | 3.7305 | 0.3162 |
0.2259 | 114.0 | 11742 | 3.6302 | 0.3127 |
0.1809 | 115.0 | 11845 | 3.6301 | 0.3093 |
0.2071 | 116.0 | 11948 | 3.7288 | 0.3127 |
0.1977 | 117.0 | 12051 | 3.6467 | 0.3058 |
0.1902 | 118.0 | 12154 | 3.7039 | 0.3093 |
0.1996 | 119.0 | 12257 | 3.9013 | 0.3093 |
0.2122 | 120.0 | 12360 | 3.8228 | 0.2990 |
0.1702 | 121.0 | 12463 | 3.7118 | 0.3162 |
0.1889 | 122.0 | 12566 | 3.7211 | 0.3162 |
0.1857 | 123.0 | 12669 | 3.8894 | 0.2509 |
0.2003 | 124.0 | 12772 | 3.6575 | 0.3093 |
0.202 | 125.0 | 12875 | 3.7925 | 0.3333 |
0.1722 | 126.0 | 12978 | 3.8188 | 0.2818 |
0.1716 | 127.0 | 13081 | 3.9584 | 0.3162 |
0.1598 | 128.0 | 13184 | 3.7732 | 0.3265 |
0.1825 | 129.0 | 13287 | 3.8038 | 0.3196 |
0.1716 | 130.0 | 13390 | 3.7606 | 0.3196 |
0.179 | 131.0 | 13493 | 3.7458 | 0.2955 |
0.1817 | 132.0 | 13596 | 3.8413 | 0.2955 |
0.1606 | 133.0 | 13699 | 3.8766 | 0.3196 |
0.1625 | 134.0 | 13802 | 3.8188 | 0.3230 |
0.1622 | 135.0 | 13905 | 3.7223 | 0.2955 |
0.1852 | 136.0 | 14008 | 3.7774 | 0.3024 |
0.1671 | 137.0 | 14111 | 3.8407 | 0.2612 |
0.1862 | 138.0 | 14214 | 3.7442 | 0.3196 |
0.1808 | 139.0 | 14317 | 3.8458 | 0.3093 |
0.1375 | 140.0 | 14420 | 3.7372 | 0.3024 |
0.1876 | 141.0 | 14523 | 3.9925 | 0.2990 |
0.1693 | 142.0 | 14626 | 3.9364 | 0.3058 |
0.1719 | 143.0 | 14729 | 3.9149 | 0.2818 |
0.1406 | 144.0 | 14832 | 3.8603 | 0.2955 |
0.1709 | 145.0 | 14935 | 3.9216 | 0.3196 |
0.1794 | 146.0 | 15038 | 3.8934 | 0.3058 |
0.1455 | 147.0 | 15141 | 4.0086 | 0.2784 |
0.1959 | 148.0 | 15244 | 3.9358 | 0.3024 |
0.1664 | 149.0 | 15347 | 3.9775 | 0.2921 |
0.1455 | 150.0 | 15450 | 3.9304 | 0.2990 |
0.1819 | 151.0 | 15553 | 4.0299 | 0.2715 |
0.1532 | 152.0 | 15656 | 4.1219 | 0.2680 |
0.1638 | 153.0 | 15759 | 4.1465 | 0.3093 |
0.1579 | 154.0 | 15862 | 4.0596 | 0.2955 |
0.1668 | 155.0 | 15965 | 4.0857 | 0.3127 |
0.1401 | 156.0 | 16068 | 4.1669 | 0.2921 |
0.1452 | 157.0 | 16171 | 4.0430 | 0.2887 |
0.1568 | 158.0 | 16274 | 4.0157 | 0.2990 |
0.1771 | 159.0 | 16377 | 4.0770 | 0.3093 |
0.1383 | 160.0 | 16480 | 4.0888 | 0.2680 |
0.1572 | 161.0 | 16583 | 4.2271 | 0.2646 |
0.1472 | 162.0 | 16686 | 4.0215 | 0.2852 |
0.1534 | 163.0 | 16789 | 4.2248 | 0.3058 |
0.136 | 164.0 | 16892 | 4.2159 | 0.2852 |
0.1525 | 165.0 | 16995 | 4.0565 | 0.2990 |
0.1418 | 166.0 | 17098 | 4.1175 | 0.2852 |
0.1374 | 167.0 | 17201 | 4.1708 | 0.2921 |
0.1538 | 168.0 | 17304 | 4.2566 | 0.2784 |
0.1365 | 169.0 | 17407 | 4.3063 | 0.2577 |
0.1661 | 170.0 | 17510 | 4.2231 | 0.2887 |
0.1278 | 171.0 | 17613 | 4.3125 | 0.2646 |
0.1418 | 172.0 | 17716 | 4.3337 | 0.2646 |
0.1538 | 173.0 | 17819 | 4.3129 | 0.2852 |
0.1315 | 174.0 | 17922 | 4.3102 | 0.2680 |
0.128 | 175.0 | 18025 | 4.2853 | 0.2749 |
0.1398 | 176.0 | 18128 | 4.1560 | 0.2715 |
0.1525 | 177.0 | 18231 | 4.1812 | 0.2955 |
0.1603 | 178.0 | 18334 | 4.1262 | 0.3093 |
0.1412 | 179.0 | 18437 | 4.2778 | 0.2887 |
0.1521 | 180.0 | 18540 | 4.2881 | 0.2680 |
0.1404 | 181.0 | 18643 | 4.3147 | 0.2852 |
0.1468 | 182.0 | 18746 | 4.2042 | 0.2749 |
0.1448 | 183.0 | 18849 | 4.2110 | 0.2784 |
0.1299 | 184.0 | 18952 | 4.2314 | 0.2921 |
0.1361 | 185.0 | 19055 | 4.2993 | 0.2749 |
0.1455 | 186.0 | 19158 | 4.3509 | 0.3058 |
0.1345 | 187.0 | 19261 | 4.2828 | 0.2921 |
0.1394 | 188.0 | 19364 | 4.1001 | 0.3093 |
0.1415 | 189.0 | 19467 | 4.2179 | 0.2955 |
0.1235 | 190.0 | 19570 | 4.2963 | 0.3093 |
0.1373 | 191.0 | 19673 | 4.1833 | 0.2715 |
0.1323 | 192.0 | 19776 | 4.3057 | 0.2852 |
0.1188 | 193.0 | 19879 | 4.3819 | 0.2749 |
0.1528 | 194.0 | 19982 | 4.3091 | 0.2749 |
0.1365 | 195.0 | 20085 | 4.3870 | 0.2887 |
0.1187 | 196.0 | 20188 | 4.2303 | 0.2715 |
0.1409 | 197.0 | 20291 | 4.2344 | 0.2784 |
0.1346 | 198.0 | 20394 | 4.0637 | 0.3162 |
0.1449 | 199.0 | 20497 | 4.3022 | 0.2852 |
0.1415 | 200.0 | 20600 | 4.2672 | 0.2990 |
0.1283 | 201.0 | 20703 | 4.2363 | 0.2749 |
0.1469 | 202.0 | 20806 | 4.2714 | 0.2990 |
0.1288 | 203.0 | 20909 | 4.3246 | 0.2818 |
0.1334 | 204.0 | 21012 | 4.1711 | 0.2887 |
0.1419 | 205.0 | 21115 | 4.3263 | 0.2784 |
0.1395 | 206.0 | 21218 | 4.2855 | 0.2990 |
0.1255 | 207.0 |
📄 ライセンス
このモデルは Apache 2.0 ライセンスの下で提供されています。
Nsfw Image Detection
Apache-2.0
ViTアーキテクチャに基づくNSFW画像分類モデル。ImageNet-21kデータセットで事前学習し、80,000枚の画像でファインチューニングされ、通常コンテンツとNSFWコンテンツを区別します。
画像分類
Transformers

N
Falconsai
82.4M
588
Fairface Age Image Detection
Apache-2.0
Vision Transformerアーキテクチャに基づく画像分類モデルで、ImageNet-21kデータセットで事前学習されており、多クラス画像分類タスクに適しています
画像分類
Transformers

F
dima806
76.6M
10
Dinov2 Small
Apache-2.0
DINOv2手法でトレーニングされた小型視覚Transformerモデル、自己教師あり学習で画像特徴を抽出
画像分類
Transformers

D
facebook
5.0M
31
Vit Base Patch16 224
Apache-2.0
ImageNet - 21kで事前学習し、ImageNetでファインチューニングしたビジュアルトランスフォーマーモデルで、画像分類タスクに使用されます。
画像分類
V
google
4.8M
775
Vit Base Patch16 224 In21k
Apache-2.0
ImageNet - 21kデータセットを使って事前学習されたビジュアルTransformerモデルで、画像分類タスクに使用されます。
画像分類
V
google
2.2M
323
Dinov2 Base
Apache-2.0
DINOv2手法でトレーニングされた視覚Transformerモデル、自己教師あり学習で画像特徴を抽出
画像分類
Transformers

D
facebook
1.9M
126
Gender Classification
PyTorchとHuggingPicsを使用して構築された画像分類モデルで、画像内の性別を識別します
画像分類
Transformers

G
rizvandwiki
1.8M
48
Vit Base Nsfw Detector
Apache-2.0
Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、画像がNSFW(不適切)コンテンツを含むかどうかを検出するために特別に設計されています。
画像分類
Transformers

V
AdamCodd
1.2M
47
Vit Hybrid Base Bit 384
Apache-2.0
ハイブリッドビジョントランスフォーマー(ViT)モデルは、畳み込みネットワークとTransformerアーキテクチャを組み合わせたもので、画像分類タスクにおいてImageNetで優れた性能を発揮します。
画像分類
Transformers

V
google
992.28k
6
Gender Classification 2
これはPyTorchフレームワークとHuggingPicsツールで生成された画像分類モデルで、性別分類タスク専用です。
画像分類
Transformers

G
rizvandwiki
906.98k
32
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98