vit - snacksオープンソースのスナック画像分類モデル。特定のデータセットに基づいて微調整し、精度は高達93.9%です。

ホーム

Vit Snacks

Shivagowriによって開発

ViTアーキテクチャに基づくスナック画像分類モデルで、Matthijs/snacksデータセットでファインチューニングされ、精度は93.9%を達成

画像分類

Transformers

オープンソースライセンス:Apache-2.0 #スナック画像分類 #高精度 #ViTファインチューニング

ダウンロード数 32

リリース時間 : 6/29/2022

モデル概要

このモデルはGoogleのViT-base-patch16-224-in21kをスナック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、20種類の異なるスナック画像を識別するために特別に設計されています。

モデル特徴

高精度

スナック分類タスクで93.9%の精度を達成

ViTアーキテクチャベース

Vision Transformer(ViT)を基本アーキテクチャとして使用し、優れた画像理解能力を有する

軽量ファインチューニング

事前学習済みモデルに基づき、わずか5エポックのファインチューニングで効率的

モデル能力

スナック画像分類

20種類のスナック識別

使用事例

小売・食品

自動スナック分類

スーパーマーケットや自動販売機のスナック自動識別システムに使用

20種類の一般的なスナックを正確に識別可能

食事記録アプリ

ユーザーが写真を撮ってスナック摂取を記録するのを支援

ユーザーが摂取したスナックを自動識別・分類

🚀 vit-snacks

このモデルは、Matthijs/snacks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。

損失: 0.2754
精度: 0.9393

🚀 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。Matthijs/snacksデータセットでファインチューニングされており、おいしいスナックの画像を分類するのに適しています。

✨ 主な機能

画像分類タスクに対応
Matthijs/snacksデータセットでファインチューニングされたモデル

📚 ドキュメント

モデルの説明

好きな美味しいスナックの画像をアップロードします。

想定される用途と制限

スナックの品種は20種類のみです。

学習と評価データ

詳細な情報はありません。

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: 0.0002
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種類: 線形
エポック数: 5

学習結果

学習損失	エポック	ステップ	検証損失	精度
0.8724	0.33	100	0.9118	0.8670
0.5628	0.66	200	0.6873	0.8471
0.4421	0.99	300	0.4995	0.8691
0.2837	1.32	400	0.4008	0.9026
0.1645	1.65	500	0.3702	0.9058
0.1604	1.98	600	0.3981	0.8921
0.0498	2.31	700	0.3185	0.9204
0.0406	2.64	800	0.3427	0.9141
0.1049	2.97	900	0.3444	0.9173
0.0272	3.3	1000	0.3168	0.9246
0.0186	3.63	1100	0.3142	0.9288
0.0203	3.96	1200	0.2931	0.9298
0.007	4.29	1300	0.2754	0.9393
0.0072	4.62	1400	0.2778	0.9403
0.0073	4.95	1500	0.2782	0.9393