Clip Vit Large Patch14 Plant Disease Finetuned

🚀 clip-vit-large-patch14-finetuned-disease

このモデルは、植物の病気のキャプション付けのためにカスタムデータセットで微調整された openai/clip-vit-large-patch14 のバージョンです。植物の葉の画像を分類し、葉の病気や健康状態を説明するキャプションを生成するように設計されています。

✨ 主な機能

モデルの説明

clip-vit-large-patch14-finetuned-disease モデルは、植物の葉に影響を与える様々な病気を特定するために特別に作成されたデータセットで微調整されています。このモデルは CLIP アーキテクチャを使用して、葉の画像を説明的なキャプションにマッピングし、植物の病気の診断と分類に役立ちます。

ラベルと説明

このモデルは、以下の植物の病気や状態を分類するように訓練されています。

{
  0: "リンゴの黒星病にかかったリンゴの葉",
  1: "黒腐病にかかったリンゴの葉",
  2: "セダーリンゴ錆病にかかったリンゴの葉",
  3: "健康なリンゴの葉",
  4: "灰色斑点病（セルコスポラ斑点病）にかかったトウモロコシの葉",
  5: "普通の錆病にかかったトウモロコシの葉",
  6: "北部葉枯病にかかったトウモロコシの葉",
  7: "健康なトウモロコシの葉",
  8: "藻類斑点病にかかったドリアンの葉",
  9: "葉枯病にかかったドリアンの葉",
  10: "斑点病にかかったドリアンの葉",
  11: "健康なドリアンの葉",
  12: "黒腐病にかかったブドウの葉",
  13: "エスカ病（黒い麻疹病）にかかったブドウの葉",
  14: "葉枯病（イサリオプシス斑点病）にかかったブドウの葉",
  15: "健康なブドウの葉",
  16: "褐色斑点がある油ヤシの葉",
  17: "健康な油ヤシの葉",
  18: "白いカイガラムシがいる油ヤシの葉",
  19: "黄龍病（柑橘類の緑化病）にかかったオレンジの葉",
  20: "細菌斑点病にかかったピーマンの葉",
  21: "健康なピーマンの葉",
  22: "早疫病にかかったジャガイモの葉",
  23: "晚疫病にかかったジャガイモの葉",
  24: "健康なジャガイモの葉",
  25: "細菌性葉枯病にかかったイネの葉",
  26: "いもち病にかかったイネの葉",
  27: "褐色斑点病にかかったイネの葉",
  28: "タングロ病にかかったイネの葉",
  29: "健康な大豆の葉",
  30: "葉焼け病にかかったイチゴの葉",
  31: "健康なイチゴの葉",
  32: "細菌斑点病にかかったトマトの葉",
  33: "早疫病にかかったトマトの葉",
  34: "晚疫病にかかったトマトの葉",
  35: "葉カビ病にかかったトマトの葉",
  36: "セプトリア斑点病にかかったトマトの葉",
  37: "ハダニ（二点ハダニ）にかかったトマトの葉",
  38: "ターゲット斑点病にかかったトマトの葉",
  39: "トマト黄化葉巻ウイルスにかかったトマトの葉",
  40: "トマトモザイクウイルスにかかったトマトの葉",
  41: "健康なトマトの葉"
}

📦 インストール

このセクションでは、原ドキュメントにインストール手順が記載されていないため、省略されています。

💻 使用例

基本的な使用法

# モデルとプロセッサをロード
from transformers import CLIPProcessor, CLIPModel
from PIL import Image
import requests

model = CLIPModel.from_pretrained("Keetawan/clip-vit-large-patch14-plant-disease-finetuned")
processor = CLIPProcessor.from_pretrained("Keetawan/clip-vit-large-patch14-plant-disease-finetuned")

# 植物の葉の画像をロード
image_url = "https://example.com/path_to_your_image.jpg"
image = Image.open(requests.get(image_url, stream=True).raw)

# 画像を準備
inputs = processor(text=["Apple leaf with Apple scab", "Healthy Tomato leaf", ...], images=image, return_tensors="pt", padding=True)

# 予測を取得
outputs = model(**inputs)
logits_per_image = outputs.logits_per_image  # 画像とテキストの類似度スコア
probs = logits_per_image.softmax(dim=1)  # ロジットを確率に変換

# 最も可能性の高いラベルを表示
predicted_label = probs.argmax().item()
labels = [
    "Apple leaf with Apple scab",
    "Apple leaf with Black rot",
    ...
    "Healthy Tomato leaf"
]
print(f"Predicted label: {labels[predicted_label]}")

高度な使用法

原ドキュメントに高度な使用法の説明がないため、このセクションは省略されています。

📚 ドキュメント

このセクションでは、原ドキュメントに詳細な説明が記載されていないため、省略されています。

🔧 技術詳細

このセクションでは、原ドキュメントに技術的な詳細が記載されていないため、省略されています。

📄 ライセンス

このセクションでは、原ドキュメントにライセンス情報が記載されていないため、省略されています。

引用

このモデルを研究やアプリケーションで使用する場合は、次のように引用してください。

@misc{keetawan2024plantdisease,
  author = {Keetawan Limaroon},
  title = {clip-vit-large-patch14-finetuned-disease: A fine-tuned model for plant disease classification and captioning},
  year = {2024},
  publisher = {Hugging Face},
  url = {https://huggingface.co/Keetawan/clip-vit-large-patch14-plant-disease-finetuned},
}