FGVC-IR8 v9.5

Модель от ahmadzmvd для классификации автомобилей на иранских объявлениях и open-set распознавания. Архитектура объединяет backbone DINOv2-ViT-B/14-reg4 с 28 fused LoRA-адаптерами, Competitive 8+2 Part-Slot Attention, 2-слойный 5D Relational Graph Transformer, SubCenterArcFace (C=8, K_s=4), SetMILHead и OpenSetGuard v9.5.

👀 Ключевые особенности

• 🔥 Standalone FP16-бандл: fused DINOv2 + LoRA + 8-slot 5D Relational Graph + SubCenterArcFace, 266 тензоров.
• 💪 Работает офлайн: zero internet required at runtime.
• 👀 Open-set guard v9.5 с Two-Regime Geodesic & Structural логикой.
• 😌 В репозитории есть inference engine с 17-stage --selftest.
• 🥳 Демо на HF Spaces, код на GitHub и датасет 18.8 GB на Kaggle.

🥳 Пример

from PIL import Image
from engine import FGVCInferenceEngine

engine = FGVCInferenceEngine(ckpt_dir="checkpoints", device_str="cpu")
img = Image.open("car_photo.jpg")
result = engine.predict([img], model_mode="pro_392")
print(result["status"], result["title_en"], f"{result['final_conf_pct']}%")

Подробнее

Основной FP16-чекпоинт — 172.3 MB, запуск возможен на CPU.
best.pt достигает 97.99% Balanced Validation Accuracy (шаг 28,039).
В комплекте: master_calibrated.pt, step_0035686.pt и engine.py (84 KB).
Ограничение: модель заточена под иранские автомобильные объявления.