猫と犬の画像分類モデル - 小さなデータセットに基づくオープンソースデプロイメント。猫と犬の識別精度は95%に達する。

ホーム

Cat Dog Classifier With Small Datasest

MoGHenryによって開発

microsoft/resnet-50をファインチューニングした猫犬画像分類モデルで、評価セットで95%の精度を達成

画像分類

Transformers

オープンソースライセンス:Apache-2.0 #ResNet50ファインチューニング #高精度画像分類 #少数サンプル学習

ダウンロード数 33

リリース時間 : 1/6/2025

モデル概要

これは小規模データセットに最適化された猫犬画像分類モデルで、シンプルな二値分類タスクに適しています。

モデル特徴

高精度

評価セットで95%の分類精度を達成

小規模データセット最適化

小規模画像データセット向けに設計され、トレーニング効率が高い

転移学習

成熟したResNet-50アーキテクチャをベースにファインチューニングし、性能が安定

モデル能力

画像分類

猫犬識別

二値分類タスク処理

使用事例

ペット識別

ペット写真分類

写真中の猫または犬を自動識別

分類精度95%

教育デモ

機械学習教育

画像分類入門教育のサンプルモデルとして

🚀 小データセットによる猫と犬の分類器

このモデルは、microsoft/resnet-50 を imagefolder 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。

損失: 0.1369
正確度: 0.95

📚 ドキュメント

モデルの説明

詳細情報は後日追加予定です。

想定される用途と制限

詳細情報は後日追加予定です。

学習と評価データ

詳細情報は後日追加予定です。

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: 4e-05
学習バッチサイズ: 8
評価バッチサイズ: 8
シード: 42
オプティマイザ: betas=(0.9,0.999)、epsilon=1e-08 の adamw_torch を使用。追加のオプティマイザ引数はありません。
学習率スケジューラの種類: linear
学習率スケジューラのウォームアップステップ: 500
エポック数: 20

学習結果

学習損失	エポック	ステップ	検証損失	正確度
記録なし	1.0	70	0.5422	0.8571
記録なし	2.0	140	0.5221	0.8786
記録なし	3.0	210	0.4977	0.8571
記録なし	4.0	280	0.4617	0.8786
記録なし	5.0	350	0.3932	0.9143
記録なし	6.0	420	0.3411	0.9143
記録なし	7.0	490	0.2884	0.9143
0.4971	8.0	560	0.2429	0.9286
0.4971	9.0	630	0.2151	0.9429
0.4971	10.0	700	0.1962	0.9286
0.4971	11.0	770	0.1727	0.9357
0.4971	12.0	840	0.1676	0.95
0.4971	13.0	910	0.1764	0.9286
0.4971	14.0	980	0.1565	0.9429
0.2878	15.0	1050	0.1578	0.9429
0.2878	16.0	1120	0.1577	0.9429
0.2878	17.0	1190	0.1393	0.9429
0.2878	18.0	1260	0.1472	0.9429
0.2878	19.0	1330	0.1315	0.95
0.2878	20.0	1400	0.1369	0.95

フレームワークのバージョン

Transformers 4.47.1
Pytorch 2.4.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

📄 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。

📦 モデル情報

属性	詳情
モデルタイプ	小データセットによる猫と犬の分類器
学習データ	imagefolder
評価指標	正確度
ベースモデル	microsoft/resnet-50
タグ	generated_from_trainer