Fruits And Vegetables Detector 36

🚀 果物と野菜検出器-36

このモデルは、画像分類を行うためのモデルです。microsoft/resnet-50 をベースに微調整されており、小さなデータセットで学習されています。

🚀 クイックスタート

このモデルは microsoft/resnet-50 の微調整バージョンです。 評価セットでは以下の結果を達成しています。

• 損失: 0.0014
• 正確率: 0.9721

✨ 主な機能

モデルの説明

このモデルは、MicrosoftのResNet - 50をベースモデルとした探索的なテストです。

想定用途と制限

このモデルは非常に小さなデータセット kritikseth/fruit-and-vegetable-image-recognition で学習されており、たった36のラベルしか含まれていません。

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下のコマンドを使用してください。

pip install transformers torch torchvision opencv-python-headless pillow

💻 使用例

基本的な使用法

import cv2
import torch
import torchvision.transforms as transforms
from transformers import AutoModelForImageClassification
from PIL import Image

# Load the saved model and tokenizer
model = AutoModelForImageClassification.from_pretrained("jazzmacedo/fruits-and-vegetables-detector-36")

# Get the list of labels from the model's configuration
labels = list(model.config.id2label.values())

# Define the preprocessing transformation
preprocess = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

image_path = "path/to/your/image.jpg"
image = cv2.imread(image_path)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
pil_image = Image.fromarray(image)  # Convert NumPy array to PIL image
input_tensor = preprocess(pil_image).unsqueeze(0)

# Run the image through the model
outputs = model(input_tensor)

# Get the predicted label index
predicted_idx = torch.argmax(outputs.logits, dim=1).item()

# Get the predicted label text
predicted_label = labels[predicted_idx]

# Print the predicted label
print("Detected label:", predicted_label)

📚 ドキュメント

学習と評価データ

データセットのソース: https://www.kaggle.com/datasets/kritikseth/fruit-and-vegetable-image-recognition

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。

📄 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。