vit-beans-demo
Vision Transformer (google/vit-base-patch16-224-in21k) fine-tune sur le dataset
beans pour detecter les
maladies foliaires du haricot.
Realise dans le cadre du cours MLOps M2 (lab Hugging Face).
Classes
| id | label | description |
|---|---|---|
| 0 | angular_leaf_spot | tache angulaire |
| 1 | bean_rust | rouille du haricot |
| 2 | healthy | feuille saine |
Resultats
| Split | Accuracy | Loss |
|---|---|---|
| test (128 images) | 0.9609 | 0.1792 |
Utilisation
from transformers import pipeline
clf = pipeline("image-classification", model="Den953/vit-beans-demo")
clf("feuille.jpg")
Une version ONNX est disponible dans onnx/model.onnx pour l'inference hors PyTorch.
Entrainement
| Hyperparametre | Valeur |
|---|---|
| base | google/vit-base-patch16-224-in21k |
| train / test | 1034 / 128 images |
| epochs | 2 |
| learning rate | 5e-5 |
| batch size | 16 |
| optimiseur | AdamW |
| augmentation | RandomResizedCrop(224) (train), Resize + CenterCrop (eval) |
| materiel | CPU |
Entrainement realise en CPU (AMD Ryzen, 12 threads), pas sur GPU : le nombre d'epoques a ete reduit par rapport a l'enonce du lab pour tenir dans un temps raisonnable. Ce choix est indique dans le tableau d'hyperparametres ci-dessus.
Limites
Dataset de ~1 000 images d'une seule culture, prises dans des conditions de terrain specifiques (Ouganda). Le modele n'a pas ete evalue sur d'autres especes, d'autres maladies, ni sur des photos de qualite ou d'eclairage tres differents. A ne pas utiliser comme outil de diagnostic agricole reel sans validation supplementaire.
Demo
Space de demonstration : https://huggingface.co/spaces/Den953/bean-leaf-classifier