Finetuned Vit Image Text Classifier

🚀 finetuned-vit-doc-text-classifer

このモデルは、ernie-ai/image-text-examples-ar-cn-latin-notextデータセットでgoogle/vit-base-patch16-224-in21kをファインチューニングしたものです。評価セットでは、損失0.3107、精度0.9030の結果を達成しています。

🚀 クイックスタート

このモデルは、画像にテキストが含まれているかどうか、そしてそのテキストがラテン文字、中国語、またはアラビア語であるかを予測するようにファインチューニングされた画像分類モデルです。また、テキストを含まない画像も分類します。

📚 ドキュメント

モデルの説明

これは画像分類モデルで、画像にテキストが含まれているか、そのテキストがラテン文字、中国語、またはアラビア語であるかを予測するようにファインチューニングされています。また、テキストを含まない画像も分類します。

学習と評価データ

データセット: [ernie-ai/image-text-examples-ar-cn-latin-notext]

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。

• learning_rate: 0.0002
• train_batch_size: 16
• eval_batch_size: 8
• seed: 42
• optimizer: Adam (betas=(0.9,0.999), epsilon=1e-08)
• lr_scheduler_type: linear
• num_epochs: 8
• mixed_precision_training: Native AMP

学習結果

フレームワークのバージョン

• Transformers 4.26.0
• Pytorch 1.13.1+cu116
• Datasets 2.9.0
• Tokenizers 0.13.2

📄 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。