Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 21 дек 2024

Ссылки

Hugging Face

tomato-leaf-disease-classification-vit

wellCh4n

Классификация изображенийИзображение → label3 профессии

Дообученная ViT-модель классифицирует изображения листьев томата по заболеваниям.

94скачиваний 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-vit — дообученный Vision Transformer ViT-Base/16, созданный на основе google/vit-base-patch16-224-in21k для классификации изображений листьев томата по заболеваниям. Она предназначена для распознавания болезней по фотографии листа; README сообщает о точности 0,9967 на оценочной выборке датасета wellCh4n/tomato-leaf-disease-image.

Модель содержит 113,2 млн параметров, принимает изображения и выдаёт метку класса. Репозиторий использует Transformers и хранит веса в формате safetensors. Лицензия — Apache-2.0. Результат на оценочной выборке не гарантирует такую же точность на фотографиях из других условий; перечень классов и языковые характеристики в предоставленных данных не описаны.

Сценарии применения

Определение заболевания томатного листа по фотографии
Первичная сортировка снимков листьев по классам болезней
Автоматизация визуальной проверки состояния томатов

Ограничения

Показатель точности 0,9967 получен на оценочной выборке указанного датасета и может не переноситься на снимки с другими условиями съёмки или сортами растений. Перечень распознаваемых классов в предоставленной карточке не приведён.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели 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.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

tomato-leaf-disease-classification-vit

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the wellCh4n/tomato-leaf-disease-image dataset. It achieves the following results on the evaluation set:

Loss: 0.0170
Accuracy: 0.9967

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
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: 5.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.1879	1.0	1930	0.0915	0.9842
0.1685	2.0	3860	0.0688	0.9838
0.0118	3.0	5790	0.0271	0.9952
0.1	4.0	7720	0.0244	0.9952
0.0629	5.0	9650	0.0170	0.9967

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: ViTModel
Ревизия весов: 5de07ef