/ Модель

Характеристики

Параметры
132 млн
Лицензия
Apache 2.0
Архитектура
swin · dense
Базовая модель
swin-large-patch4-window12-384-in22k
Библиотека
transformers
Опубликована
20 дек 2024

cub-200-bird-classifier-swin

Классификация изображенийИзображение → label3 профессии

Дообученная модель Swin Transformer Large для классификации изображений птиц по 200 классам CUB-200-2011.

64скачиваний за 30 дней0лайковвеса обновлены3 фев 2025

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

Emiel/cub-200-bird-classifier-swin — модель классификации изображений птиц, дообученная для соревнования Kaggle «Feather in Focus!» в рамках курса прикладного машинного обучения магистратуры Information Studies Амстердамского университета. Она относит изображение к одному из 200 классов птиц из набора CUB-200-2011. В соревновании команда заняла первое место по точности на тестовом наборе: 0,87950.

Модель основана на Swin Transformer Large с 132,1 млн параметров, предобученном на ImageNet-21k, и дообучена на 3533 размеченных изображениях; для обучения применялись горизонтальные отражения и повороты до 10 градусов. Проверка проводилась на 393 изображениях. Вес доступен в формате safetensors, модель использует библиотеку Transformers и распространяется по лицензии Apache-2.0.

Модель предназначена для распознавания птиц в изображениях из предметной области CUB-200-2011. Результат соревнования показывает высокую точность на конкретном тестовом наборе, однако README не приводит сравнений на других наборах данных; качество на иных видах изображений и в других условиях может отличаться.

Сценарии применения

  • определение вида птицы на фотографии
  • классификация изображений по 200 классам птиц
  • автоматическая разметка коллекции фотографий птиц

Ограничения

Модель обучена на ограниченном наборе изображений CUB-200-2011 и рассчитана на 200 классов птиц; точность на других наборах данных и в иных условиях не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

image/png

Model Description

This model was finetuned for the "Feather in Focus!" Kaggle competition of the Information Studies Master's Applied Machine Learning course at the University of Amsterdam. The goal of the competition was to apply novel approaches to achieve the highest possible accuracy on a bird classification task with 200 classes. We were given a labeled dataset of 3926 images and an unlabeled dataset of 4000 test images. Out of 32 groups and 1083 submissions, we achieved the #1 accuracy on the test set with a score of 0.87950.

Training Details

The model we are finetuning, microsoft/swin-large-patch4-window12-384-in22k, was pre-trained on imagenet-21k, see https://huggingface.co/microsoft/swin-large-patch4-window12-384-in22k.

Preprocessing

Data augmentation was applied to the training data in a custom Torch dataset class. Because of the size of the dataset, images were not replaced but were duplicated and augmented. The only augmentations applied were HorizontalFlips and Rotations (10 degrees) to align with the relatively homogeneous dataset.

Finetuning

Finetuning was done on some 50 different models including different VTs and CNNs. All models were trained for 10 epochs with the best model, based on the evaluation acccuracy, saved every epoch.

Finetuning Data

The finetuning data is a subset of the cub-200-2011 dataset, http://www.vision.caltech.edu/datasets/cub_200_2011/. We finetuned the model on 3533 samples of the labeled dataset we were given, stratified on the label (7066 including augmented images).

Finetuning Hyperparameters

HyperparameterValue
OptimizerAdamW
Learning Rate1e-4
Batch Size32
Epochs2
Weight Decay*
Class Weight*
Label Smoothing*
Scheduler*
Mixed PrecisionTorch AMP

*parameters were intentionally not set because of poor results

Evaluation Data

The evaluation data is a subset of the cub-200-2011 dataset, http://www.vision.caltech.edu/datasets/cub_200_2011/. We evaluated the model on 393 samples of the labeled dataset we were given, stratified on the label.

Testing Data

The testing data is a subset of an unlabeled subset of the cub-200-2011 dataset, http://www.vision.caltech.edu/datasets/cub_200_2011/ of 4000 images. After model finetuning the best model, based on the evaluation data, would be loaded. This model would then be used to predict the labels of the unlabeled test set. These predicted labels were submitted to the Kaggle competition via CSV which returned the test accuracy.

Poster

image/png

*novel approaches were not applied when finetuning the final model as they did not improve accuracy.

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
SwinForImageClassification
Ревизия весов
b9ff7f5

0 моделей