vit-base-roman-numeralオープンソースモデル - ローマ数字の画像分類を高精度で実現、正解率は83％を超える

Vit Base Roman Numeral

Developed by farleyknight

ViTアーキテクチャに基づくローマ数字画像分類モデル。farleyknight/roman_numeralsデータセットでファインチューニングされ、83.09%の精度を達成

Downloads 13

Release Time : 8/24/2022

Model Overview

このモデルはgoogle/vit-base-patch16-224-in21kをローマ数字認識データセットでファインチューニングしたVision Transformerモデルで、画像中のローマ数字記号を識別するために特別に設計されています。

高精度認識

ローマ数字テストセットで83.09%の精度を達成

ViTアーキテクチャ採用

Vision Transformerベースのアーキテクチャを採用し、強力な画像特徴抽出能力を有する

軽量ファインチューニング

事前学習済みモデルを効率的にファインチューニングし、トレーニングリソースを節約

画像分類

ローマ数字認識

視覚的特徴抽出

教育技術

歴史文書のデジタル化

古文書や歴史文書中のローマ数字を自動認識

83.09%の認識精度

教育アプリケーション開発

ローマ数字学習アプリの自動採点機能に利用

文書処理

自動文書分類

ローマ数字ページ番号に基づく文書の自動分類

プロパティ	詳細
モデルタイプ	画像分類
学習データセット	imagefolder
評価指標	正解率
モデル名	vit-base-roman-numeral
タスク	画像分類
データセット名	farleyknight/roman_numerals
データセットタイプ	imagefolder
データセット設定	default
分割	train
引数	default
正解率	0.8308823529411765