К содержимому
Другое

vehicle-reid-veri776

модель для поиска автомобилей по фото с разных камер

2 мин чтенияобновлено

Эта модель решает задачу реидентификации автомобилей (vehicle Re-ID): она принимает фотографию машины и преобразует её в вектор из 2048 чисел (embedding). Если сфотографировать один и тот же автомобиль с разных ракурсов или на другие камеры, полученные векторы окажутся очень близкими друг к другу. Модель построена на базе ResNet50 с архитектурными улучшениями (включая BNNeck и center loss) и обучена на датасете VeRi-776. Она пригодится разработчикам систем видеоаналитики, исследователям компьютерного зрения и тем, кто изучает задачи поиска дубликатов или сопоставления объектов по визуальным признакам.

Ключевые особенности

  • Высокая точность: метрика mAP достигает 78,3%, а Rank-1 составляет 96,0% на тестовом наборе VeRi-776.
  • Постобработка re-ranking: применение k-reciprocal кодирования позволяет поднять mAP до 80,6%.
  • Продуманная архитектура: использование ResNet50 со стабильным бейзлайном, triplet loss и center loss для лучшей разделимости классов.
  • Эффективное обучение: модель обучена на одной видеокарте RTX 4050 всего за 8,8 часа с использованием смешанной точности (mixed precision).

Что можно сделать

  • Поиск машин в базе: сравнивать вектор целевого автомобиля с галереей изображений для автоматического поиска похожих кадров.
  • Интеграция в пайплайн: использовать готовую PyTorch-реализацию для извлечения эмбеддингов из транспортных средств на кадрах с видеонаблюдения.
  • Эксперименты с re-ranking: внедрить алгоритм k-reciprocal для улучшения порядка выдачи результатов в поисковой галерее.
  • Изучение кода: разобрать чистую реализацию сильного бейзлайна на PyTorch с детальной настройкой аугментаций и потерь.

Пример

import torch
from reid.models.baseline import Baseline
from reid.data.transforms import build_transforms
from PIL import Image

model = Baseline(num_classes=576, pretrained=False)
model.load_state_dict(torch.load("vehicle_reid_baseline.pt", map_location="cpu"))
model.eval()

transform = build_transforms(train=False)
image = transform(Image.open("carro.jpg").convert("RGB")).unsqueeze(0)
with torch.no_grad():
    embedding = torch.nn.functional.normalize(model(image), dim=1)
ПодробнееБенчмарки: mAP 78,3% (80,6% с re-ranking), Rank-1 96,0% (96,5% с re-ranking).
Требования к железу: обучено на 1x RTX 4050 (6 ГБ VRAM).
Ограничения: модель обучена только на дневных данных VeRi-776 с 20 камер; чувствительна к сильным изменениям освещения и не распознает госномера.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # sarahcalixto/vehicle-reid-veri776
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download sarahcalixto/vehicle-reid-veri776 --local-dir ~/models/vehicle-reid-veri776
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к vehicle-reid-veri776
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии vehicle-reid-veri776 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

sarahcalixto/vehicle-reid-veri776
Автор
sarahcalixto
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

PP-DocLayoutV3

PP-DocLayoutV3