/ Модель

Характеристики

Размер весов
28,3 ГБ
Архитектура
llava · dense
Библиотека
transformers
Опубликована
19 фев 2025

LLaVA-v1.5-7B-Plant-Leaf-Diseases-Detection

Изображение и текст → текст3 профессии

Мультимодальная модель на основе LLaVA-1.5-7B для распознавания болезней растений по изображениям листьев с текстовым объяснением симптомов.

121скачиваний за 30 дней10лайковвеса обновлены22 фев 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

YuchengShi/LLaVA-v1.5-7B-Plant-Leaf-Diseases-Detection — мультимодальная модель Yucheng Shi для распознавания болезней растений по изображениям листьев и объяснения результата. Она основана на LLaVA-1.5-7B-hf и дообучена с помощью LoRA на данных PlantVillage; в обучении также применялся отбор ответов методом rejection sampling без reward-модели. Модель принимает изображение листа и текстовый запрос, а в ответ формирует текст с предполагаемым заболеванием и описанием видимых симптомов, которое можно проверить визуально.

Модель предназначена для классификации здоровых и поражённых листьев разных видов растений. В карточке заявлены высокая точность и интерпретируемые объяснения по сравнению с базовыми моделями; размер базовой модели — 7 млрд параметров. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия и длина контекста в предоставленных данных не описаны.

Сценарии применения

  • определение болезни растения по фотографии листа
  • проверка, выглядит ли лист здоровым
  • получение объяснения по видимым симптомам на листе

Ограничения

Модель обучалась на PlantVillage, поэтому её результаты могут быть менее надёжны для видов растений, условий съёмки и симптомов, не представленных в обучающих данных. Лицензия в предоставленных сведениях не указана.

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

Fine-Grained Visual Classification on Plant Leaf Diseases

Project Page: SelfSynthX.

Paper on arXiv: Enhancing Cognition and Explainability of Multimodal Foundation Models with Self-Synthesized Data

This model is a fine-tuned multimodal foundation model based on LLaVA-1.5-7B-hf, optimized for detecting and explaining plant leaf diseases using the Plant disease dataset.

Key Details

  • Base Model: LLaVA-1.5-7B
  • Dataset: Healthy and diseased leaves across multiple plant species
  • Innovation:
    • Self-Synthesized Data: Extracts and describes disease-specific visual symptoms using the Information Bottleneck principle.
    • Iterative Fine-Tuning: Uses reward model-free rejection sampling to improve classification accuracy and explanation quality.
  • Intended Use: Identification of plant leaf diseases with human-verifiable symptom descriptions.

How to Use

import requests
from PIL import Image
import torch
from transformers import AutoProcessor, LlavaForConditionalGeneration

model_id = "YuchengShi/LLaVA-v1.5-7B-Plant-Leaf-Diseases-Detection"
model = LlavaForConditionalGeneration.from_pretrained(
    model_id, 
    torch_dtype=torch.float16, 
    low_cpu_mem_usage=True,
).to("cuda")
processor = AutoProcessor.from_pretrained(model_id)

conversation = [
    {
      "role": "user",
      "content": [
          {"type": "text", "text": "What disease does this leaf have?"},
          {"type": "image"},
        ],
    },
]
prompt = processor.apply_chat_template(conversation, add_generation_prompt=True)
image_file = "plant-disease/test1.png"
raw_image = Image.open(requests.get(image_file, stream=True).raw)
inputs = processor(images=raw_image, text=prompt, return_tensors='pt').to("cuda", torch.float16)

output = model.generate(**inputs, max_new_tokens=200, do_sample=False)
print(processor.decode(output[0][2:], skip_special_tokens=True))

Training & Evaluation

  • Training: Fine-tuned using LoRA on PlantVillage with iterative rejection sampling.
  • Evaluation: Demonstrates superior accuracy and robust, interpretable explanations compared to baseline models.

Citation

If you use this model, please cite:

@inproceedings{
  shi2025enhancing,
  title={Enhancing Cognition and Explainability of Multimodal Foundation Models with Self-Synthesized Data},
  author={Yucheng Shi and Quanzheng Li and Jin Sun and Xiang Li and Ninghao Liu},
  booktitle={The Thirteenth International Conference on Learning Representations},
  year={2025},
  url={https://openreview.net/forum?id=lHbLpwbEyt}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlavaForConditionalGeneration
Ревизия весов
1f6650e

0 моделей