vit-base-DogSickオープンソースビジュアル分類モデル - 無料デプロイで特定分野の画像認識をサポート

Vit Base DogSick

jungjonghoによって開発

GoogleのViTベースモデルをファインチューニングした視覚分類モデルで、特定分野の画像認識タスクに適しています

ダウンロード数 29

リリース時間 : 10/22/2022

モデル概要

このモデルはGoogleのViT-base-patch16-224-in21kモデル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。評価では中程度の精度とF1スコアを示しています。

ViTアーキテクチャベース

Vision Transformerアーキテクチャを採用し、自己注意機構を用いて画像データを処理します

中規模モデル

ViT-baseアーキテクチャを基に、性能と計算リソースの需要をバランスさせています

ファインチューニング最適化

特定分野のデータセットでファインチューニングされており、特定タイプの画像分類タスクに特化している可能性があります

画像分類

特徴抽出

コンピュータビジョン

特定分野の画像分類

医療画像分析や工業品質検査など、特定分野の画像分類タスクに使用可能です

評価セットで61%の精度と59.8%のF1スコアを達成しました

このモデルは、不明なデータセットで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。

トレーニング中に以下のハイパーパラメータが使用されました。

トレーニング損失	エポック	ステップ	検証損失	精度	F1スコア
2.4055	0.61	50	2.2086	{'accuracy': 0.41794871794871796}	{'f1': 0.3246788612052483}
2.0379	1.22	100	1.9233	{'accuracy': 0.4846153846153846}	{'f1': 0.4386383497855148}
1.7287	1.83	150	1.7200	{'accuracy': 0.5256410256410257}	{'f1': 0.4806042289317683}
1.4667	2.44	200	1.6021	{'accuracy': 0.5692307692307692}	{'f1': 0.533374137436958}
1.3444	3.05	250	1.5410	{'accuracy': 0.5333333333333333}	{'f1': 0.4846134797922835}
1.1334	3.66	300	1.4674	{'accuracy': 0.5743589743589743}	{'f1': 0.5533432367508125}
1.007	4.27	350	1.4096	{'accuracy': 0.5923076923076923}	{'f1': 0.5801847507206119}
0.897	4.88	400	1.3674	{'accuracy': 0.6}	{'f1': 0.5903283954748092}
0.7326	5.49	450	1.3359	{'accuracy': 0.5923076923076923}	{'f1': 0.5793036546532927}
0.7105	6.1	500	1.3259	{'accuracy': 0.6153846153846154}	{'f1': 0.6064330281486513}
0.6164	6.71	550	1.3183	{'accuracy': 0.6102564102564103}	{'f1': 0.6014695572651212}
0.5804	7.32	600	1.3103	{'accuracy': 0.6025641025641025}	{'f1': 0.5965366941171513}
0.5313	7.93	650	1.3041	{'accuracy': 0.6102564102564103}	{'f1': 0.5980148081337936}