tomato-leaf-disease-classification-resnet50オープンソースモデル - 高い正確率でのトマトの葉の病気の画像分類

ホーム

Tomato Leaf Disease Classification Resnet50

wellCh4nによって開発

ResNet-50をファインチューニングしたトマト葉病画像分類モデルで、精度は99.56%

画像分類

Transformers

オープンソースライセンス:Apache-2.0 #高精度画像分類 #農業病害検出 #ResNet50ファインチューニング

ダウンロード数 109

リリース時間 : 12/21/2024

モデル概要

このモデルはmicrosoft/resnet-50をトマト葉病画像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、トマトの葉の様々な病気を識別・分類するために特別に設計されています。

モデル特徴

高精度

評価データセットで99.56%の精度を達成し、トマト葉病を確実に識別可能

ResNet-50ベース

確立されたResNet-50アーキテクチャをベースモデルとして使用し、高い安定性を実現

精密なファインチューニング

100エポックにわたる精密なトレーニングにより、損失値を0.0197まで低減

モデル能力

トマト葉病画像分類

植物病害識別

農業画像分析

使用事例

農業

トマト病害診断

農家がトマトの葉の病害タイプを迅速に識別するのを支援

精度99.56%

スマート農業モニタリング

農業モニタリングシステムに統合し、植物の健康状態を自動検出

🚀 トマト葉の病気分類ResNet50

このモデルは、microsoft/resnet-50 を wellCh4n/tomato-leaf-disease-image 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。評価セットでは以下の結果を達成しています。

損失: 0.0197
正確度: 0.9956

🚀 クイックスタート

このモデルは、トマト葉の病気分類タスクに特化しており、高い正確度で病気を識別することができます。

📚 ドキュメント

トレーニング手順

トレーニングハイパーパラメータ

トレーニング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: 2e-05
トレーニングバッチサイズ: 16
評価バッチサイズ: 8
シード: 1337
オプティマイザ: OptimizerNames.ADAMW_TORCH を使用し、ベータ=(0.9,0.999)、イプシロン=1e-08、追加のオプティマイザ引数はありません
学習率スケジューラの種類: 線形
エポック数: 100.0

トレーニング結果

トレーニング損失	エポック	ステップ	検証損失	正確度
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