Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-tiny-patch4-window7-224
Опубликована: 28 янв 2024

Ссылки

Hugging Face

swin-tiny-patch4-window7-224-finetuned-plant-classification

weightbot

Классификация изображенийИзображение → label3 профессии

Дообученная Swin-Tiny для классификации изображений растений по классам обучающего набора.

8скачиваний за 30 дней0лайковвеса обновлены28 янв 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 weightbot/swin-tiny-patch4-window7-224-finetuned-plant-classification — дообученная версия Swin-Tiny, разработанной Microsoft, для классификации изображений растений. Она принимает изображения и предсказывает класс растения; на указанной в карточке оценочной выборке достигла accuracy 0,7557 и loss 0,6592. Архитектура Swin Transformer, размер — около 33 млн параметров.

Модель подходит для автоматической классификации фотографий растений и сортировки изображений по классам, представленным в обучающих данных. Обучение выполнено на наборе данных в формате imagefolder; состав классов и подробности обучающих данных в карточке не раскрыты. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Классификация фотографий растений
Автоматическая сортировка снимков растений по категориям
Предварительная разметка изображений растений в датасете

Ограничения

Accuracy на оценочной выборке составляет 0,7557; результаты на других данных могут отличаться. Перечень классов и подробности обучающего набора в карточке не приведены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-plant-classification

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

Loss: 0.6592
Accuracy: 0.7557

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: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.8257	1.0	268	0.7941	0.6695
0.7235	2.0	537	0.7696	0.6695
0.6939	3.0	806	0.7428	0.6724
0.665	4.0	1075	0.6884	0.7328
0.6846	5.0	1343	0.7144	0.6954
0.6391	6.0	1612	0.6854	0.7155
0.6172	7.0	1881	0.6698	0.7011
0.6332	8.0	2150	0.6510	0.7126
0.5679	9.0	2418	0.6323	0.7299
0.5109	10.0	2687	0.6629	0.7098
0.5594	11.0	2956	0.6556	0.7270
0.4874	12.0	3225	0.6627	0.7155
0.4687	13.0	3493	0.6645	0.7299
0.4686	14.0	3762	0.6469	0.7213
0.4862	15.0	4031	0.6602	0.7356
0.4432	16.0	4300	0.6550	0.7270
0.4368	17.0	4568	0.6472	0.7385
0.3815	18.0	4837	0.6557	0.7557
0.3674	19.0	5106	0.6638	0.7529
0.4224	19.94	5360	0.6592	0.7557

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.1

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: 3be3aea