Характеристики

Параметры: 7,1 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: deit-tiny-patch16-224
Библиотека: transformers
Опубликована: 8 окт 2026

Ссылки

Hugging Face

beans-deit-tiny

Adamix303

Классификация изображенийИзображение → label

Компактная ViT-модель для классификации изображений листьев фасоли, дообученная на датасете AI-Lab-Makerere/beans.

4 526скачиваний за 30 дней0лайковвеса обновлены8 окт 2026

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

Adamix303/beans-deit-tiny — модель классификации изображений, созданная дообучением facebook/deit-tiny-patch16-224 на датасете AI-Lab-Makerere/beans. Она использует архитектуру Vision Transformer (ViT) и содержит 7,1 млн параметров. Модель предназначена для распознавания классов изображений листьев фасоли; на указанной в карточке оценочной выборке достигла accuracy 0,9850 и macro F1 0,9850.

Модель принимает изображения и выдаёт метку класса. Репозиторий использует библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0. Карточка не описывает условия съёмки, состав классов и ограничения применимости за пределами оценочного датасета.

Сценарии применения

Классификация изображений листьев фасоли
Распознавание заболеваний фасоли по фотографиям листьев
Экспериментальная оценка классификатора на датасете AI-Lab-Makerere/beans

Ограничения

Высокие метрики указаны только для оценочной выборки датасета AI-Lab-Makerere/beans; переносимость на другие культуры, условия съёмки и реальные полевые данные не описана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

beans-deit-tiny

This model is a fine-tuned version of facebook/deit-tiny-patch16-224 on the AI-Lab-Makerere/beans dataset. It achieves the following results on the evaluation set:

Loss: 0.0619
Accuracy: 0.9850
F1 Macro: 0.9850

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: 32
eval_batch_size: 64
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1 Macro
0.3564	1.0	33	0.2455	0.9323	0.9328
0.2135	2.0	66	0.1431	0.9398	0.9400
0.1206	3.0	99	0.1306	0.9474	0.9475
0.1144	4.0	132	0.0704	0.9774	0.9776
0.1047	5.0	165	0.0619	0.9850	0.9850

Framework versions

Transformers 5.19.0
Pytorch 2.11.0+cu130
Datasets 5.1.0
Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 9c667c3