К содержимому
Другое

NWPU-RESISC45 victim classifiers

набор из 8 классификаторов спутниковых снимков

2 мин чтенияобновлено

Репозиторий содержит восемь готовых моделей для классификации изображений на 45 категорий из датасета NWPU-RESISC45 (снимки дистанционного зондирования Земли). Модели экспортированы из проекта rs_physical_attack и упакованы в формате чекпоинтов MMPretrain (фреймворк для задач компьютерного зрения) вместе с конфигурациями, метаданными классов и метриками на валидации. Внутри собраны разные архитектуры — от классических свёрточных сетей до визуальных трансформеров, что позволяет сравнивать их поведение на одном и том же разбиении данных. Набор пригодится исследователям компьютерного зрения, специалисты по анализу спутниковых снимков и тем, кто тестирует устойчивость моделей к атакам.

Ключевые особенности

  • Восемь популярных архитектур в одном месте: ResNet-50, EfficientNet-B0, DenseNet-121, Swin-T, VGG-16, RegNetX-400MF, ConvNeXt-Tiny и ViT-B/16.
  • Единое фиксированное разбиение данных (18900 train / 6300 val / 6300 test) в split_manifest.csv и строгий порядок 45 классов в classes.txt.
  • Полная воспроизводимость: для каждой модели приложены best.pth, model_config.py, параметры обучения и сводный файл метрик registry.json.
  • Проверка целостности всех файлов через контрольные суммы SHA256SUMS.

Что можно сделать

  • Проверить устойчивость разных архитектур компьютерного зрения к физическим или состязательным атакам на едином бенчмарке из 45 классов.
  • Использовать готовые веса как базовые модели (baseline) для классификации аэрофотоснимков и спутниковых изображений без обучения с нуля.
  • Сравнить точность и поведение свёрточных сетей (ResNet-50, ConvNeXt-Tiny) и трансформеров (Swin-T, ViT-B/16) на одинаковом сплите данных.

Пример

from huggingface_hub import snapshot_download

snapshot_download(
    repo_id="shiyuejin/resisc45-victims",
    local_dir="models/NWPU_RESISC45",
)
ПодробнееФормат весов: чекпоинты MMPretrain (не совместимы напрямую с Transformers AutoModel).
Референсное окружение: PyTorch 2.4.1, MMPretrain 1.2.0, MMEngine 0.10.7, MMCV 2.0.1.
Детали обучения: ResNet-50 представлен чекпоинтом 7-й эпохи из 30-эпохного дообучения с весов ImageNet.
Ограничения: в репозитории нет изображений датасета и весов VAE.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.5 GB · готовые файлы1.1 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.8 GB
  • 4-bitвеса 0.1 GB0.7 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.

    # shiyuejin/resisc45-victims
    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 shiyuejin/resisc45-victims --local-dir ~/models/resisc45-victims
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к resisc45-victims
  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 resisc45-victims — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

shiyuejin/resisc45-victims
Автор
shiyuejin
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