Mask R-CNN для микрофибр

femartip выложил пять оригинальных чекпоинтов CA-детектора на базе Detectron2/Mask R-CNN для сегментации микрофибр. В комплекте — немодифицированные конфиги и восстановленные COCO-записи train/test, а не новые детекторы на случайных фолдах HF-датасетов.

🔥 Ключевые особенности

• 🎁 Пять фолдов fold0…fold4: в каждом model_final.pth и config.yaml.
• 🧐 Восстановленные train_coco.json и test_coco.json, плюс original_coco.json.
• 👀 hf_image_mapping.csv сопоставляет индекс строки HF с оригинальным image ID по размерам и координатам полигонов.
• 🧐 manifest.json хранит SHA-256 и размер каждого файла; environment/ описывает Poetry-окружение для оценки.
• ⛔ Изображения не входят в репозиторий, а некоторые оригинальные снимки отсутствуют в HF.

🚀 Пример

from huggingface_hub import hf_hub_download
from detectron2.config import get_cfg
from detectron2.engine import DefaultPredictor
repo = "femartip/microfibres-ca-mask-rcnn"
prefix = "fold0"  # fold0..fold4
cfg = get_cfg()
cfg.merge_from_file(hf_hub_download(repo, f"{prefix}/config.yaml"))
cfg.MODEL.WEIGHTS = hf_hub_download(repo, f"{prefix}/model_final.pth")

Подробнее

Пять фолдов: fold0…fold4; в каждом — model_final.pth и config.yaml.
Изображения не входят в репозиторий; original image ID не равен индексу строки HF — используйте hf_image_mapping.csv.
В конфигах остались исторические локальные пути, поэтому MODEL.WEIGHTS нужно переопределить.
Загружайте только доверенные .pth: в PyTorch-чекпоинтах возможны pickle-payload.
Готового сравнения по метрикам и требований к VRAM в карточке нет.