Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 12 июл 2024

Ссылки

Hugging Face

PlantDiseaseDetectorVit2

Abhiram4

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT для классификации изображений растений по заболеваниям.

279скачиваний за 30 дней0лайковвеса обновлены12 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

PlantDiseaseDetectorVit2 — модель классификации изображений растений, созданная дообучением google/vit-base-patch16-224-in21k. Она использует архитектуру Vision Transformer (ViTForImageClassification) с 113,2 млн параметров и предназначена для определения заболеваний растений по изображениям. Модель подойдёт для первичной сортировки фотографий листьев и других растительных тканей по классам болезней.

В карточке указаны результаты на оценочной выборке: accuracy 0,9959 и loss 0,1892. Состав классов, набор данных и условия оценки подробнее не описаны, поэтому эти метрики не показывают, насколько хорошо модель переносится на фотографии из других источников. Веса доступны в формате safetensors, лицензия — Apache-2.0.

Сценарии применения

Определение болезни растения по фотографии листа
Предварительная сортировка снимков растений по классам заболеваний
Автоматическая классификация изображений растений в наборе данных

Ограничения

Карточка не описывает классы заболеваний и состав обучающей выборки. Высокая точность приведена только для оценочной выборки; качество на других условиях съёмки не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PlantDiseaseDetectorVit2

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.1892
Accuracy: 0.9959

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 64
eval_batch_size: 64
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 256
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5919	1.0	293	0.5612	0.9870
0.2529	2.0	586	0.2436	0.9952
0.1886	3.0	879	0.1892	0.9959

Framework versions

Transformers 4.42.4
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: f298e42