# 農業画像分析

google/vit-base-patch16-224-in21kをbeansデータセットでファインチューニングしたVision Transformerモデル、画像分類タスク用

SegFormerアーキテクチャに基づく植物葉病画像セグメンテーションモデルで、拡張データセットで微調整され、さまざまな植物病害タイプを正確に識別できます。

GoogleのViTモデルをbeansデータセットで微調整した高精度画像分類モデル

Google Vision Transformer(ViT)アーキテクチャに基づいて微調整された豆類葉病分類モデル

このモデルはGoogleのViTアーキテクチャをbeansデータセットで微調整した画像分類モデルで、検証セットで97.74%の精度を達成しました。

このモデルはGoogleのViT-base-patch16-224-in21kをbeansデータセットでファインチューニングした画像分類モデルで、精度は98.5%です。

ViTアーキテクチャに基づくトウモロコシ葉検出モデルで、評価セットで91.54%の精度を達成

GoogleのViTモデルをbeansデータセットで微調整した画像分類モデルで、精度は97.74%

このモデルはGoogleのViTアーキテクチャをbeansデータセットで微調整した画像分類モデルで、精度は97.74%を達成しています。

このモデルはGoogleのViTアーキテクチャをbeansデータセットで微調整した画像分類モデルで、精度は97.74%を達成しています。

GoogleのViTモデルをbeansデータセットでファインチューニングした高精度画像分類モデル

このモデルはGoogleのViTアーキテクチャをベースに、beansデータセットでファインチューニングされた画像分類モデルで、精度は98.5%です。

GoogleのViTモデルをbeansデータセットでファインチューニングした画像分類モデルで、精度は98.5%

Swin Transformerアーキテクチャに基づく植物病害画像分類モデルで、植物病害データセットでファインチューニングされ、精度は96.9%を達成

これはHuggingPicsで生成された画像分類モデルで、さまざまな種類の穀物を識別するために特別に設計されています。

このモデルはConvNeXt-Tinyアーキテクチャをベースにbeansデータセットで微調整された画像分類モデルで、精度は96.09%を達成しています。

これはSwin Transformerアーキテクチャに基づく小型画像分類モデルで、植物健康診断タスク向けに微調整されており、評価セットで99.83%の精度を達成しました。