Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-tiny-patch4-window7-224
Библиотека: transformers
Опубликована: 3 авг 2026

Ссылки

Hugging Face

swin-tiny-rice-disease-results

nqvii

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-Tiny классифицирует изображения болезней риса и помогает автоматически оценивать состояние растений.

9скачиваний за 30 дней0лайковвеса обновлены3 авг 2026

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 nqvii/swin-tiny-rice-disease-results — дообученная версия Swin-Tiny от Microsoft для классификации изображений болезней риса. Она построена на архитектуре Swin Transformer и содержит около 33 млн параметров; модель предназначена для анализа изображений растений и отнесения их к классам из набора rice-diseases-image-dataset.

На указанной в карточке оценочной выборке модель получила accuracy 0,8898, F1 0,8879, recall 0,8885 и loss 0,5802. Это может быть полезно для предварительной сортировки снимков при мониторинге посевов и поддержке оценки состояния растений. Результаты на других наборах данных и в полевых условиях могут отличаться.

Модель принимает изображения и выдаёт метки классов. Для работы используется библиотека Transformers, веса представлены в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

классификация изображений болезней риса
предварительная сортировка снимков рисовых посевов
поддержка мониторинга состояния растений по фотографиям

Ограничения

Метрики приведены только для оценочной выборки; качество на других данных и в полевых условиях не установлено. Карточка не описывает состав классов и подробности обучающих данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-rice-disease-results

This model is a fine-tuned version of microsoft/swin-tiny-patch4-window7-224 on the rice-diseases-image-dataset dataset. It achieves the following results on the evaluation set:

Loss: 0.5802
Accuracy: 0.8898
F1 Score: 0.8879
Recall: 0.8885

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: 0.00015
train_batch_size: 64
eval_batch_size: 64
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 100
num_epochs: 25

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1 Score	Recall
2.2794	1.0	31	1.9852	0.5633	0.5269	0.5496
1.6545	2.0	62	1.3268	0.7388	0.7268	0.7358
1.2607	3.0	93	1.3093	0.7429	0.7350	0.7437
1.2308	4.0	124	0.9915	0.7796	0.7731	0.7713
1.0737	5.0	155	0.9625	0.7918	0.7874	0.7869
0.9774	6.0	186	0.8665	0.8286	0.8236	0.8251
0.9999	7.0	217	0.8700	0.8327	0.8298	0.8274
0.8674	8.0	248	0.8487	0.8245	0.8169	0.8196
0.8330	9.0	279	1.3820	0.7633	0.7485	0.7582
0.8289	10.0	310	0.9742	0.8490	0.8425	0.8438
0.7983	11.0	341	0.9251	0.8408	0.8397	0.8428
0.7231	12.0	372	0.8026	0.8408	0.8397	0.8458
0.6888	13.0	403	0.8638	0.8490	0.8466	0.8520
0.6415	14.0	434	0.7139	0.8612	0.8592	0.8624
0.6002	15.0	465	0.6743	0.8939	0.8946	0.8984
0.5523	16.0	496	0.6339	0.8857	0.8835	0.8837
0.5171	17.0	527	0.6958	0.8776	0.8757	0.8759
0.3976	18.0	558	0.6692	0.8735	0.8714	0.8725
0.4916	19.0	589	0.6365	0.8816	0.8793	0.8841
0.3095	20.0	620	0.5939	0.9143	0.9129	0.9165
0.3086	21.0	651	0.5382	0.9102	0.9087	0.9127
0.2511	22.0	682	0.5993	0.8980	0.8963	0.8974
0.2288	23.0	713	0.5829	0.8816	0.8797	0.8792
0.2095	24.0	744	0.5896	0.8816	0.8798	0.8783
0.1754	25.0	775	0.5802	0.8898	0.8879	0.8885

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

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: eae76bb