Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 24 июн 2024

Ссылки

Hugging Face

Crop_Disease_model_1

vishnun0027

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer для классификации изображений болезней сельскохозяйственных культур.

31скачиваний за 30 дней2лайкавеса обновлены24 июн 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

Crop_Disease_model_1 — модель классификации изображений, созданная дообучением Vision Transformer google/vit-base-patch16-224-in21k. Она предназначена для отнесения изображений к категориям, связанным с болезнями сельскохозяйственных культур. В репозитории размещены веса в формате safetensors; модель содержит 113,2 млн параметров.

В карточке приведены результаты оценки на тестовой выборке: accuracy 0,7 и loss 1,2482. Названия классов, состав обучающего набора и подробности оценки не описаны, поэтому применимость к конкретным культурам и условиям съёмки по этим данным установить нельзя. Лицензия — Apache-2.0.

Сценарии применения

классификация изображений растений по признакам болезни
предварительная сортировка фотографий сельскохозяйственных культур
оценка изображений листьев в прототипе системы мониторинга посевов

Ограничения

На оценочной выборке указаны accuracy 0,7 и loss 1,2482, но её размер и состав не раскрыты. Не приведены набор данных, список классов и условия съёмки, поэтому качество на других культурах и изображениях не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.3Отраслевые задачиСтрахование и актуарные задачиAI помогает оценивать риски, обрабатывать убытки и управлять страховым портфелем.30 задач563модели IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Crop_Disease_model_1

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.2482
Accuracy: 0.7

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: 18

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.974	0.9787	23	2.9288	0.1573
2.8301	2.0	47	2.6713	0.5173
2.3995	2.9787	70	2.3223	0.5707
2.112	4.0	94	2.0321	0.604
1.8965	4.9787	117	1.8377	0.6133
1.6807	6.0	141	1.6895	0.6307
1.4942	6.9787	164	1.5807	0.6693
1.3849	8.0	188	1.5080	0.664
1.2975	8.9787	211	1.4605	0.6613
1.1747	10.0	235	1.3888	0.692
1.1457	10.9787	258	1.3622	0.692
1.0602	12.0	282	1.3318	0.6893
1.0296	12.9787	305	1.2968	0.7133
0.9556	14.0	329	1.2999	0.676
0.9317	14.9787	352	1.2625	0.7053
0.9134	16.0	376	1.2656	0.696
0.914	16.9787	399	1.2593	0.7013
0.9013	17.6170	414	1.2482	0.7

Framework versions

Transformers 4.41.2
Pytorch 2.1.2
Datasets 2.19.2
Tokenizers 0.19.1

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: ViTForImageClassification
Ревизия весов: d4d850f