hf_train_outputオープンソース画像分類モデル - 岩石氷河を高精度で識別、精度は92.58%に達する

ホーム

Hf Train Output

venetisによって開発

このモデルはGoogleのViT-base-patch16-224-in21kを岩石氷河データセットでファインチューニングした画像分類モデルで、精度は92.58%です。

画像分類

Transformers

オープンソースライセンス:Apache-2.0 #岩石氷河分類 #高精度ViT #リモートセンシング画像解析

ダウンロード数 28

リリース時間 : 11/19/2022

モデル概要

これは岩石氷河画像分類専用のVision Transformerモデルで、地質リモートセンシング画像解析タスクに適しています。

モデル特徴

高精度分類

岩石氷河データセットで92.58%の分類精度を達成

ViTアーキテクチャベース

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

精密チューニング

50エポックの訓練とハイパーパラメータ最適化により最高性能を獲得

モデル能力

岩石氷河画像分類

地質リモートセンシング画像解析

高解像度画像処理

使用事例

地質研究

氷河変化モニタリング

異なるタイプの岩石氷河を識別・分類するために使用

精度92.58%

環境モニタリング

氷河退化評価

研究者が氷河変化傾向を評価するのを支援

🚀 hf_train_output

このモデルは、rock-glacier-datasetデータセット上でgoogle/vit-base-patch16-224-in21kを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: 0.3894
正解率: 0.9258

🚀 クイックスタート

このモデルは、rock-glacier-datasetデータセットに対する画像分類タスクに特化しています。

📚 ドキュメント

モデルの説明

このモデルは、GoogleのViT-Baseモデルをベースに、rock-glacier-datasetデータセットでファインチューニングされています。

想定される用途と制限事項

このモデルは、rock-glacier-datasetデータセットに含まれる画像の分類に使用することを想定しています。他のデータセットやタスクに対する性能は保証されません。

学習と評価データ

このモデルは、rock-glacier-datasetデータセットを使用して学習および評価されています。

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: 1e-05
学習バッチサイズ: 16
評価バッチサイズ: 8
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タイプ: 線形
エポック数: 50
混合精度学習: Native AMP

学習結果

学習損失	エポック	ステップ	検証損失	正解率
0.5619	0.55	50	0.5432	0.7692
0.4582	1.1	100	0.4435	0.8352
0.3548	1.65	150	0.3739	0.8599
0.217	2.2	200	0.2913	0.9093
0.1709	2.75	250	0.2619	0.9148
0.0919	3.3	300	0.2475	0.9148
0.0652	3.85	350	0.3275	0.8901
0.0495	4.4	400	0.2515	0.9093
0.0321	4.95	450	0.2878	0.9066
0.0247	5.49	500	0.2612	0.9148
0.017	6.04	550	0.2687	0.9176
0.0131	6.59	600	0.3062	0.9093
0.0113	7.14	650	0.2587	0.9231
0.0099	7.69	700	0.2815	0.9203
0.009	8.24	750	0.2675	0.9286
0.0084	8.79	800	0.2711	0.9286
0.0077	9.34	850	0.2663	0.9313
0.0073	9.89	900	0.3003	0.9258
0.0069	10.44	950	0.2758	0.9313
0.0064	10.99	1000	0.2999	0.9258
0.0061	11.54	1050	0.2931	0.9313
0.0057	12.09	1100	0.2989	0.9313
0.0056	12.64	1150	0.2974	0.9313
0.0053	13.19	1200	0.3099	0.9258
0.005	13.74	1250	0.3131	0.9313
0.0049	14.29	1300	0.3201	0.9258
0.0046	14.84	1350	0.3109	0.9313
0.0045	15.38	1400	0.3168	0.9313
0.0043	15.93	1450	0.3226	0.9231
0.0042	16.48	1500	0.3234	0.9231
0.0041	17.03	1550	0.3283	0.9258
0.0039	17.58	1600	0.3304	0.9258
0.0038	18.13	1650	0.3321	0.9231
0.0037	18.68	1700	0.3362	0.9231
0.0036	19.23	1750	0.3307	0.9286
0.0035	19.78	1800	0.3357	0.9231
0.0034	20.33	1850	0.3244	0.9313
0.0033	20.88	1900	0.3497	0.9231
0.0032	21.43	1950	0.3443	0.9231
0.0031	21.98	2000	0.3398	0.9286
0.003	22.53	2050	0.3388	0.9286
0.003	23.08	2100	0.3399	0.9286
0.0029	23.63	2150	0.3548	0.9231
0.0028	24.18	2200	0.3475	0.9286
0.0028	24.73	2250	0.3480	0.9286
0.0027	25.27	2300	0.3542	0.9231
0.0026	25.82	2350	0.3589	0.9231
0.0026	26.37	2400	0.3449	0.9286
0.0025	26.92	2450	0.3604	0.9231
0.0025	27.47	2500	0.3493	0.9286
0.0024	28.02	2550	0.3631	0.9258
0.0024	28.57	2600	0.3590	0.9258
0.0023	29.12	2650	0.3604	0.9258
0.0023	29.67	2700	0.3667	0.9258
0.0022	30.22	2750	0.3571	0.9286
0.0022	30.77	2800	0.3660	0.9258
0.0021	31.32	2850	0.3638	0.9286
0.0021	31.87	2900	0.3729	0.9258
0.0021	32.42	2950	0.3706	0.9258
0.002	32.97	3000	0.3669	0.9286
0.002	33.52	3050	0.3740	0.9258
0.002	34.07	3100	0.3693	0.9286
0.002	34.62	3150	0.3700	0.9286
0.0019	35.16	3200	0.3752	0.9258
0.0019	35.71	3250	0.3753	0.9258
0.0019	36.26	3300	0.3721	0.9286
0.0018	36.81	3350	0.3764	0.9258
0.0018	37.36	3400	0.3758	0.9258
0.0018	37.91	3450	0.3775	0.9258
0.0018	38.46	3500	0.3812	0.9258
0.0018	39.01	3550	0.3817	0.9258
0.0017	39.56	3600	0.3815	0.9258
0.0017	40.11	3650	0.3825	0.9258
0.0017	40.66	3700	0.3852	0.9258
0.0017	41.21	3750	0.3854	0.9258
0.0017	41.76	3800	0.3823	0.9258
0.0016	42.31	3850	0.3829	0.9258
0.0016	42.86	3900	0.3873	0.9258
0.0016	43.41	3950	0.3842	0.9258
0.0016	43.96	4000	0.3857	0.9258
0.0016	44.51	4050	0.3873	0.9258
0.0016	45.05	4100	0.3878	0.9258
0.0016	45.6	4150	0.3881	0.9258
0.0016	46.15	4200	0.3888	0.9258
0.0016	46.7	4250	0.3891	0.9258
0.0016	47.25	4300	0.3878	0.9258
0.0016	47.8	4350	0.3890	0.9258
0.0016	48.35	4400	0.3890	0.9258
0.0015	48.9	4450	0.3895	0.9258
0.0015	49.45	4500	0.3896	0.9258
0.0015	50.0	4550	0.3894	0.9258