Image Classification
timm
Russian
English
manuscript
bookbinding
cultural-heritage
digital-humanities
convnext
dinov2
fine-tuned
Instructions to use Infarondus/Klein-marchen_Base with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- timm
How to use Infarondus/Klein-marchen_Base with timm:
import timm model = timm.create_model("hf-hub:Infarondus/Klein-marchen_Base", pretrained=True) - Notebooks
- Google Colab
- Kaggle
Update README.md
Browse files
README.md
CHANGED
|
@@ -304,7 +304,7 @@ print(f"Без средника: {probs[0]:.1%} | Со средником: {prob
|
|
| 304 |
|
| 305 |
- Модель обучена на фотографиях переплётов РГБ и может хуже работать на изображениях из других коллекций (domain shift)
|
| 306 |
- Сильно изношенные переплёты с плохо читаемым средником являются наиболее сложными случаями
|
| 307 |
-
- Не предназначена для работы с изображениями страниц, не являющихся переплётами — для фильтрации используйте модель `
|
| 308 |
- В обучающей выборке возможно присутствие небольшого количества ошибочно размеченных изображений (~2%), что отражается в нижней границе оценки точности
|
| 309 |
|
| 310 |
---
|
|
|
|
| 304 |
|
| 305 |
- Модель обучена на фотографиях переплётов РГБ и может хуже работать на изображениях из других коллекций (domain shift)
|
| 306 |
- Сильно изношенные переплёты с плохо читаемым средником являются наиболее сложными случаями
|
| 307 |
+
- Не предназначена для работы с изображениями страниц, не являющихся переплётами — для фильтрации используйте модель `klein-marchen_preprocess` на первом этапе
|
| 308 |
- В обучающей выборке возможно присутствие небольшого количества ошибочно размеченных изображений (~2%), что отражается в нижней границе оценки точности
|
| 309 |
|
| 310 |
---
|