Vegetation Classification Model

🚀 画像分類モデル

このモデルは、転移学習技術を用いて実装された、Transformersベースの画像分類モデルです。画像の分類タスクに役立ち、気候関連の画像分析などに活用できます。

🚀 クイックスタート

このモデルはHugging FaceのTransformersライブラリのpipelineクラスを使って直接利用できます。また、Hosted inference APIにターゲット画像をアップロードすることもできます。

コードによる使用例

>>>from transformers import pipeline
>>>classifier = pipeline("image-classification", model="iammartian0/vegetation_classification_model")
>>>classifier(image)

✨ 主な機能

• 転移学習を用いた画像分類モデルで、事前学習済みのVision transformerを利用しています。
• 特定のデータセットでファインチューニングされ、高い精度を達成しています。

📦 インストール

このモデルを使用するには、Hugging FaceのTransformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

📚 ドキュメント

データセット

使用するデータセットは、gitリポジトリ Agri-Hub/Space2Ground からダウンロードします。このモデルではStreet-level image patchesフォルダを使用しています。これはMapillaryの街頭レベルの画像から切り取られた植生部分を含むデータセットです。詳細はリンク先のgitリポジトリに記載されています。

学習手順

前処理

親フォルダ名に基づいてラベルを割り当てます。

画像変換

すべての学習画像に対して、torchvision.transformsのRandomResizedCropを適用します。

ファインチューニング

モデルはデータセットで4エポックのファインチューニングを行いました。

評価結果

モデルはTop-1精度0.929を達成しました。

今後の検討事項

• 植生の分類に加えて、画像が左側または右側からのものかを判断できるマルチラベルモデルを学習する。
• 街頭レベルの画像の生データ/初期セットを使用して、作物ラベルの細粒度分類を行う。

BibTeXエントリと引用情報

@misc{wu2020visual,
      title={Visual Transformers: Token-based Image Representation and Processing for Computer Vision}, 
      author={Bichen Wu and Chenfeng Xu and Xiaoliang Dai and Alvin Wan and Peizhao Zhang and Zhicheng Yan and Masayoshi Tomizuka and Joseph Gonzalez and Kurt Keutzer and Peter Vajda},
      year={2020},
      eprint={2006.03677},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

@INPROCEEDINGS{9816335,
  author={Choumos, George and Koukos, Alkiviadis and Sitokonstantinou, Vasileios and Kontoes, Charalampos},
  booktitle={2022 IEEE 14th Image, Video, and Multidimensional Signal Processing Workshop (IVMSP)},
  title={Towards Space-to-Ground Data Availability for Agriculture Monitoring},
  year={2022},
  volume={},
  number={},
  pages={1-5},
  doi={10.1109/IVMSP54334.2022.9816335}
}

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。