Videomae для обнаружения краж в магазинах

О сервисе

videomae-base-finetuned-kinetics-finetuned-shoplifting-dataset Эта модель является дообученной версией модели MCG-NJU/videomae-base-finetuned-kinetics на некотором наборе данных (предположительно, на данных о магазинных кражах). Она достигает следующих результатов на оценочном наборе: Потери (Loss): 0.9494 F1-мера: 0.7192 Описание модели Модель предназначена для классификации видеоматериалов, в частности, для детектирования инцидентов, связанных с магазинными кражами. Она основана на архитектуре VideoMAE, которая эффективно обрабатывает пространственно-временные характеристики видео. Предполагаемые варианты использования и ограничения Модель может быть использована в системах видеонаблюдения для автоматического обнаружения подозрительного поведения, связанного с кражами в торговых помещениях. Это поможет повысить эффективность безопасности и снизить потери от краж. Ограничения могут включать зависимость от качества видеоматериала и возможные ложные срабатывания при наличии схожих, но некриминальных действий. Также, модель может быть ограничена в обобщении на сценарии, существенно отличающиеся от тех, на которых она была обучена. Данные для обучения и оценки Модель была дообучена на неизвестном наборе данных, который, судя по названию, связан с видеоматериалами, демонстрирующими магазинные кражи (shoplifting dataset). Процедура обучения Гиперпараметры обучения Во время обучения использовались следующие гиперпараметры: Скорость обучения (learning_rate): 5e-05 Размер пакета для обучения (train_batch_size): 8 Размер пакета для оценки (eval_batch_size): 8 Начальное значение для генератора случайных чисел (seed): 42 Оптимизатор (optimizer): Adam с параметрами betas=(0.9, 0.999) и epsilon=1e-08 Тип планировщика скорости обучения (lr_scheduler_type): linear Коэффициент прогрева планировщика скорости обучения (lr_scheduler_warmup_ratio): 0.1 Шаги обучения (training_steps): 880 Результаты обучения Потери при обучении Эпоха Шаг Потери при валидации F1 0.1824 0.1011 89 1.0068 0.6832 0.334 1.1 177 0.9260 0.6805 0.2202 2.1 265 0.9856 0.7139 0.2074 3.1 353 0.9494 0.7192 0.0916 4.1 441 1.3867 0.6711 0.1092 5.1 529 1.3758 0.6920 0.0804 6.1 617 1.3788 0.6968 0.0654 7.1 705 1.2970 0.6973 0.0065 8.1 793 1.4780 0.7006 0.0024 9.0989 880 1.4464 0.7006 Метрики качества Финальные метрики, достигнутые моделью после обучения: Потери при валидации (Validation Loss): 1.4464 F1-мера: 0.7006 Версии фреймворков Transformers: 4.42.4 Pytorch: 2.2.0 Datasets: 2.20.0 Tokenizers: 0.19.1 Ссылки Awais1718/videomae-base-finetuned-kinetics-finetuned-shoplifting-dataset Источник: https://qubu.ai/models/videomae-dlya-obnaruzheniya-krazh-v-magazinakh License: MIT