vit-base-patch16-224オープンソース画像分類モデル - 無料でデプロイし、各種画像を高精度に識別

Vit Base Patch16 224 Album Vitvmmrdb Make Model Album Pred

venetisによって開発

GoogleのViTモデルを未知のデータセットでファインチューニングした視覚分類モデルで、画像分類タスクに優れています

ダウンロード数 33

リリース時間 : 11/25/2022

モデル概要

このモデルはGoogleのViT-base-patch16-224アーキテクチャをファインチューニングしたバージョンで、主に画像分類タスクに使用されます。評価では高い精度(87.81%)とF1値(87.58%)を示しています。

高精度分類

評価セットで87.81%の精度と87.58%のF1値を達成し、優れた性能を発揮

ViTアーキテクチャベース

Vision Transformerアーキテクチャを採用し、強力な画像特徴抽出能力を有する

効率的なファインチューニング

15エポックのトレーニングで良好な性能に到達、学習率スケジューリング戦略を最適化

画像分類

視覚的特徴抽出

多クラス認識

画像認識

車両モデル識別

さまざまなブランドやモデルの車両を識別するために使用可能

精度87.81%

製品分類

ECプラットフォームでの製品自動分類に適しています

このモデルは、google/vit-base-patch16-224 をNone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。

このモデルは、特定のタスクに対して事前学習されたモデルをファインチューニングしたもので、特定のデータセットでの評価結果が示されています。

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。

学習損失	エポック	ステップ	検証損失	精度	適合率	再現率	F1スコア
3.5529	1.0	839	3.3687	0.3096	0.2809	0.3096	0.2246
1.7855	2.0	1678	1.6042	0.6378	0.6187	0.6378	0.5996
1.1054	3.0	2517	1.0105	0.7556	0.7512	0.7556	0.7385
0.8179	4.0	3356	0.7794	0.8033	0.8020	0.8033	0.7934
0.6057	5.0	4195	0.6479	0.8294	0.8274	0.8294	0.8212
0.4709	6.0	5034	0.5817	0.8478	0.8477	0.8478	0.8428
0.3962	7.0	5873	0.5333	0.8571	0.8570	0.8571	0.8527
0.346	8.0	6712	0.5073	0.8638	0.8647	0.8638	0.8615
0.2772	9.0	7551	0.4881	0.8681	0.8679	0.8681	0.8656
0.2136	10.0	8390	0.4777	0.8719	0.8718	0.8719	0.8689
0.1937	11.0	9229	0.4737	0.8734	0.8731	0.8734	0.8703
0.1754	12.0	10068	0.4604	0.8758	0.8750	0.8758	0.8733
0.1111	13.0	10907	0.4561	0.8790	0.8782	0.8790	0.8768
0.1128	14.0	11746	0.4519	0.8808	0.8799	0.8808	0.8787
0.1018	15.0	12585	0.4497	0.8813	0.8805	0.8813	0.8794