Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Опубликована: 20 апр 2022

Ссылки

Hugging Face

swin-tiny-patch4-window7-224-plant-doctor

plantdoctor

Классификация изображенийИзображение → label3 профессии

Дообученная Swin Transformer Tiny для классификации изображений растений и оценки их состояния.

218скачиваний за 30 дней1лайквеса обновлены22 апр 2022

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

plantdoctor/swin-tiny-patch4-window7-224-plant-doctor — модель классификации изображений на архитектуре Swin Transformer Tiny, разработанная путём дообучения microsoft/swin-tiny-patch4-window7-224 на наборе данных image_folder. В репозитории указано 33 млн параметров; модель предназначена для отнесения изображений к классам, связанным с растениями и их здоровьем.

В README приведены результаты на evaluation set: accuracy 0,9983 и loss 0,0043. Эти значения относятся к указанному набору оценки и сами по себе не гарантируют такую же точность на других изображениях. Модель принимает изображения и выдаёт метки классов. Весы опубликованы в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

классификация изображений растений
распознавание болезней растений по фотографиям
предварительная сортировка снимков растений по классам

Ограничения

README не уточняет перечень классов, состав и размер набора данных или условия съёмки; приведённые метрики относятся только к evaluation set. Применимость к другим растениям, болезням и условиям съёмки не подтверждена.

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 IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-plant-doctor

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

Loss: 0.0043
Accuracy: 0.9983

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: 4
eval_batch_size: 4
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0643	1.0	3954	0.0218	0.9933
0.0536	2.0	7908	0.0103	0.9966
0.018	3.0	11862	0.0043	0.9983

Framework versions

Transformers 4.18.0
Pytorch 1.11.0+cu115
Datasets 2.1.0
Tokenizers 0.12.1

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: SwinForImageClassification
Ревизия весов: 01b8844