Panjuoffset TwoClass

🚀 画像による盤具オフセット検出

このモデルは、google/vit - base - patch16 - 224(https://huggingface.co/google/vit-base-patch16-224) をファインチューニングして、画像を用いた盤具のオフセット検出を行うものです。

🚀 クイックスタート

このモデルは、画像分類タスクに使用できます。具体的には、COCO 2017データセットの画像を1,000のImageNetクラスのいずれかに分類することができます。

📦 インストール

インストールに関する具体的なコマンドが原ドキュメントに記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

# Load image
import torch
from transformers import ViTFeatureExtractor, ViTForImageClassification,AutoModel
from PIL import Image
import requests
url='https://datasets-server.huggingface.co/assets/ShihTing/IsCausewayOffset/--/ShihTing--IsCausewayOffset/validation/0/image/image.jpg'
image = Image.open(requests.get(url, stream=True).raw)
# Load model
from transformers import AutoFeatureExtractor, AutoModelForImageClassification
device = torch.device('cpu')
extractor = AutoFeatureExtractor.from_pretrained('ShihTing/PanJuOffset_TwoClass')
model = AutoModelForImageClassification.from_pretrained('ShihTing/PanJuOffset_TwoClass')
# Predict
inputs = extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
Prob = outputs.logits.softmax(dim=-1).tolist()
print(Prob)
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

📚 ドキュメント

データセット

DatasetDict({
    train: Dataset({
        features: ['image', 'label'],
        num_rows: 329
    })
    validation: Dataset({
        features: ['image', 'label'],
        num_rows: 56
    })
})

訓練データセットには36個の異常（Break）と293個の正常（Normal）が含まれています。 検証データセットには5個の異常（Break）と51個の正常（Normal）が含まれています。

想定される用途

このモデルは、画像を用いて盤具のオフセットを検出するために使用されます。具体的な使用方法については、上記の使用例を参照してください。

📄 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。