Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Опубликована: 1 мая 2023

Ссылки

PlantDiseaseClassifier-Resnet50

Классификация изображенийИзображение → label3 профессии

Дообученная модель ResNet-50 для классификации изображений по классам обучающего набора, который в README обозначен как EuroSAT.

176скачиваний за 30 дней10лайковвеса обновлены1 мая 2023

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

SanketJadhav/PlantDiseaseClassifier-Resnet50 — модель классификации изображений на архитектуре ResNet-50, дообученная на базе microsoft/resnet-50. Несмотря на название репозитория, README описывает её как дообученную на датасете EuroSAT; метаданные также указывают датасет imagefolder. Модель предназначена для отнесения изображений к классам, представленным в обучающих данных.

В README приведены результаты на оценочном наборе: accuracy 0,9641 и loss 0,1382. Подробности о классах, обучающих данных и сценариях применения не раскрыты, поэтому точность для распознавания болезней растений по этой карточке подтвердить нельзя. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

классификация изображений по классам EuroSAT
эксперименты с классификацией спутниковых изображений
оценка классификатора ResNet-50 на собственном наборе изображений

Ограничения

README противоречит названию репозитория: в нём указано дообучение на EuroSAT, поэтому назначение для распознавания болезней растений не подтверждено. Состав классов и подробности обучения не приведены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

resnet-50-finetuned-eurosat

This model is a fine-tuned version of microsoft/resnet-50 on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.1382
Accuracy: 0.9641

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: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2976	1.0	549	0.1450	0.9636
0.3388	2.0	1098	0.1382	0.9641
0.361	3.0	1647	0.1432	0.9632
0.3163	4.0	2197	0.1412	0.9640
0.3103	5.0	2745	0.1391	0.9639

Framework versions

Transformers 4.28.1
Pytorch 2.0.0+cu118
Datasets 2.12.0
Tokenizers 0.13.3

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: ResNetForImageClassification
Ревизия весов: 6b20fa5