Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Базовая модель: resnet-50
Библиотека: transformers
Опубликована: 21 дек 2024

Ссылки

Hugging Face

tomato-leaf-disease-classification-resnet50

wellCh4n

Классификация изображенийИзображение → label3 профессии

Дообученная ResNet-50 классифицирует изображения листьев томатов по заболеваниям.

158скачиваний за 30 дней1лайквеса обновлены21 дек 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 wellCh4n/tomato-leaf-disease-classification-resnet50 — дообученная wellCh4n архитектура ResNet-50 от Microsoft для классификации изображений листьев томатов по заболеваниям. Она принимает изображение и выдаёт класс, соответствующий распознанному состоянию листа. Модель создана на основе microsoft/resnet-50 и дообучена на наборе wellCh4n/tomato-leaf-disease-image.

На указанном тестовом наборе модель достигла точности 0,9956 и потерь 0,0197. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Показатели относятся к оценочному набору из карточки и сами по себе не гарантируют такую же точность на снимках с другими условиями освещения, фоном или сортами томатов.

Сценарии применения

определение заболевания по фотографии листа томата
первичная сортировка снимков томатных растений по состоянию листьев
автоматическая разметка изображений для мониторинга здоровья томатов

Ограничения

Заявленная точность 0,9956 измерена на оценочном наборе из карточки; переносимость на изображения, снятые в иных условиях, не подтверждена. Модель предназначена для классификации листьев томатов, поэтому её результаты не следует трактовать как полноценный агрономический диагноз.

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 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 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

tomato-leaf-disease-classification-resnet50

This model is a fine-tuned version of microsoft/resnet-50 on the wellCh4n/tomato-leaf-disease-image dataset. It achieves the following results on the evaluation set:

Loss: 0.0197
Accuracy: 0.9956

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 16
eval_batch_size: 8
seed: 1337
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: 100.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.6891	1.0	965	1.6572	0.3488
1.1351	2.0	1930	1.1593	0.7126
0.7767	3.0	2895	0.6135	0.8168
0.7963	4.0	3860	0.3818	0.8796
0.547	5.0	4825	0.2581	0.9302
0.5104	6.0	5790	0.2106	0.9438
0.3997	7.0	6755	0.1579	0.9563
0.2527	8.0	7720	0.1292	0.9604
0.3268	9.0	8685	0.1154	0.9659
0.2595	10.0	9650	0.1018	0.9699
0.2269	11.0	10615	0.0869	0.9743
0.2515	12.0	11580	0.0783	0.9747
0.2604	13.0	12545	0.0710	0.9794
0.2583	14.0	13510	0.0704	0.9783
0.2004	15.0	14475	0.0603	0.9824
0.2552	16.0	15440	0.0565	0.9835
0.2192	17.0	16405	0.0553	0.9846
0.3443	18.0	17370	0.0508	0.9831
0.1954	19.0	18335	0.0530	0.9846
0.2685	20.0	19300	0.0430	0.9864
0.1277	21.0	20265	0.0406	0.9864
0.1388	22.0	21230	0.0404	0.9872
0.2379	23.0	22195	0.0399	0.9875
0.1018	24.0	23160	0.0441	0.9879
0.2155	25.0	24125	0.0364	0.9905
0.1699	26.0	25090	0.0398	0.9875
0.2772	27.0	26055	0.0364	0.9872
0.1669	28.0	27020	0.0369	0.9894
0.0867	29.0	27985	0.0339	0.9901
0.1314	30.0	28950	0.0322	0.9905
0.082	31.0	29915	0.0362	0.9879
0.0393	32.0	30880	0.0332	0.9908
0.0812	33.0	31845	0.0329	0.9905
0.2634	34.0	32810	0.0333	0.9897
0.1581	35.0	33775	0.0337	0.9901
0.168	36.0	34740	0.0298	0.9890
0.0653	37.0	35705	0.0311	0.9905
0.0998	38.0	36670	0.0326	0.9901
0.0947	39.0	37635	0.0288	0.9919
0.1126	40.0	38600	0.0272	0.9916
0.1319	41.0	39565	0.0272	0.9919
0.0446	42.0	40530	0.0283	0.9916
0.2453	43.0	41495	0.0281	0.9919
0.0708	44.0	42460	0.0263	0.9923
0.0441	45.0	43425	0.0262	0.9916
0.0936	46.0	44390	0.0252	0.9919
0.1565	47.0	45355	0.0284	0.9923
0.0404	48.0	46320	0.0263	0.9930
0.0357	49.0	47285	0.0240	0.9930
0.0971	50.0	48250	0.0285	0.9916
0.0582	51.0	49215	0.0251	0.9923
0.048	52.0	50180	0.0257	0.9919
0.1218	53.0	51145	0.0252	0.9930
0.0576	54.0	52110	0.0227	0.9930
0.0723	55.0	53075	0.0227	0.9930
0.1347	56.0	54040	0.0242	0.9941
0.1684	57.0	55005	0.0255	0.9927
0.0525	58.0	55970	0.0250	0.9938
0.1031	59.0	56935	0.0265	0.9923
0.0768	60.0	57900	0.0244	0.9941
0.0416	61.0	58865	0.0207	0.9934
0.1783	62.0	59830	0.0237	0.9941
0.1253	63.0	60795	0.0269	0.9912
0.0448	64.0	61760	0.0236	0.9941
0.0967	65.0	62725	0.0230	0.9934
0.0486	66.0	63690	0.0229	0.9941
0.0442	67.0	64655	0.0256	0.9934
0.0526	68.0	65620	0.0210	0.9945
0.0949	69.0	66585	0.0250	0.9938
0.0674	70.0	67550	0.0228	0.9938
0.1554	71.0	68515	0.0240	0.9941
0.0598	72.0	69480	0.0233	0.9945
0.0632	73.0	70445	0.0218	0.9949
0.0951	74.0	71410	0.0234	0.9945
0.1634	75.0	72375	0.0245	0.9945
0.2039	76.0	73340	0.0222	0.9938
0.0741	77.0	74305	0.0226	0.9949
0.0923	78.0	75270	0.0218	0.9949
0.0351	79.0	76235	0.0230	0.9945
0.1234	80.0	77200	0.0244	0.9934
0.0659	81.0	78165	0.0232	0.9945
0.0393	82.0	79130	0.0210	0.9949
0.053	83.0	80095	0.0205	0.9945
0.0575	84.0	81060	0.0210	0.9945
0.0651	85.0	82025	0.0198	0.9949
0.0875	86.0	82990	0.0210	0.9945
0.1006	87.0	83955	0.0214	0.9949
0.0466	88.0	84920	0.0211	0.9941
0.088	89.0	85885	0.0233	0.9923
0.1162	90.0	86850	0.0197	0.9956
0.0641	91.0	87815	0.0213	0.9949
0.0867	92.0	88780	0.0203	0.9952
0.0305	93.0	89745	0.0212	0.9941
0.1009	94.0	90710	0.0200	0.9956
0.084	95.0	91675	0.0200	0.9960
0.0409	96.0	92640	0.0213	0.9949
0.107	97.0	93605	0.0210	0.9934
0.0558	98.0	94570	0.0206	0.9952
0.0644	99.0	95535	0.0219	0.9949
0.0617	100.0	96500	0.0205	0.9941

Framework versions

Transformers 4.48.0.dev0
Pytorch 2.2.2+cu121
Datasets 3.2.0
Tokenizers 0.21.0

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: ResNetModel
Ревизия весов: 2daebdb