/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-large-patch16-224-in21k
Библиотека
transformers
Опубликована
26 ноя 2024

plant-disease-detection-vit

Классификация изображенийИзображение → label3 профессии

Дообученный ViT-Large классифицирует изображения растений для выявления болезней и оценки их состояния.

20скачиваний за 30 дней6лайковвеса обновлены26 ноя 2024

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

Модель marwaALzaabi/plant-disease-detection-vit — дообученный классификатор изображений на основе ViT-Large с патчами 16×16, предобученного на ImageNet-21k. Она предназначена для классификации изображений растений по состоянию здоровья и обнаружения болезней растений. В README указаны точность 1,0 и потеря 0,0002 на оценочном наборе, однако датасет обозначен как None, поэтому эти результаты не позволяют оценить обобщающую способность модели.

Модель содержит около 402,7 млн параметров, использует библиотеку Transformers и формат весов safetensors. Лицензия — Apache-2.0. Оценка принимает изображение и возвращает метку класса; конкретные классы болезней, условия съёмки и границы применимости не описаны.

Сценарии применения

  • классификация изображений растений по состоянию здоровья
  • предварительное выявление болезни растения по фотографии
  • сортировка снимков растений по классам заболеваний

Ограничения

В README не раскрыты состав датасета и перечень классов; заявленная точность 1,0 на оценочном наборе без этих сведений не подтверждает качество на новых изображениях. Условия съёмки и ограничения применения также не описаны.

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

plant-disease-detection-vit

This model is a fine-tuned version of google/vit-large-patch16-224-in21k on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0002
  • Accuracy: 1.0

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossAccuracy
0.00071.0450.00041.0
0.00042.0900.03170.9889
0.00033.01350.00031.0
0.00024.01800.00021.0
0.00025.02250.00021.0

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.4.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

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
de3fe11

0 моделей