TAPe+ML v3 достигла 88% точности на ImageNet с ядром в 100 тыс. параметров

Разработчики опубликовали на arXiv статью о TAPe+ML v3 — компактной модели компьютерного зрения, которая объединяет классификацию, детекцию и сегментацию в одном ядре размером менее 100 тыс. параметров. На ImageNet-1k модель показала 88,1% Top-1, в детекции COCO — 65,3 mAP50–95, в instance segmentation — 58,4 Mask mAP50–95, на LVIS — 98,2% покрытия объектов масками.

В сравнениях TAPe+ML v3 превосходит крупные SOTA-модели RF-DETR, YOLO и их сегментационные версии при разнице в параметрах на несколько порядков. Компактность модели при сохранении качества снижает требования к вычислительным ресурсам для развёртывания систем компьютерного зрения.