Clip Fine Tuned Satellite

🚀 clip-fine-tuned-satellite

このモデルは、openai/clip-vit-base-patch32 を blanchon/UC_Merced データセットでファインチューニングしたバージョンです。テストセットで以下の結果を達成しています。

• 正解率: 96.9% 元のCLIPモデルの正解率は58.8%です。

🚀 クイックスタート

このモデルの使い方については、CLIPドキュメント を参照するか、このモデルを使用したアプリを確認してください。 https://huggingface.co/spaces/NemesisAlm/clip-satellite-demo

✨ 主な機能

• このモデルは、衛星画像を分類するために使用されます。
• パラメータの30%を再学習し、わずか2エポックで正解率を大幅に向上させています。

📦 インストール

READMEに具体的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

READMEに具体的なコード例が記載されていないため、このセクションは省略されます。

📚 ドキュメント

モデルの説明

このモデルは、CLIPのファインチューニング版です。パラメータの30%を再学習し、わずか2エポックで正解率を大幅に向上させています。

想定される用途と制限

このモデルは、衛星画像を分類するために使用されます。UC_Mercedデータセットを使用して学習されており、このデータセットには21のクラスが含まれています。

• 農業用地、飛行機、野球場、ビーチ、建物、チャパラル、密集住宅地、森林、高速道路、ゴルフコース、港湾、交差点、中密度住宅地、モバイルホームパーク、高架橋、駐車場、川、滑走路、疎住宅地、貯蔵タンク、テニスコート

学習と評価データ

パラメータの30%を学習しました。420枚の画像からなるテストセットで評価されました。

学習手順

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

• 学習率: 3e-05
• 学習バッチサイズ: 64
• 評価バッチサイズ: 64
• シード: 42
• オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラの種類: 線形
• エポック数: 2
• 混合精度学習: Native AMP

学習結果

フレームワークのバージョン

• Transformers 4.44.0
• Pytorch 2.4.0+cu121
• Datasets 2.20.0
• Tokenizers 0.19.1

🔧 技術詳細

このモデルは、CLIPのファインチューニング版です。パラメータの30%を再学習し、わずか2エポックで正解率を大幅に向上させています。

📄 ライセンス

このモデルはMITライセンスの下で提供されています。