Clip Fine Tuned Satellite

🚀 clip-fine-tuned-satellite

本模型是 openai/clip-vit-base-patch32 在 blanchon/UC_Merced 數據集上的微調版本。它能有效解決衛星圖像分類問題，在測試集上取得了 96.9% 的準確率，相比原始 CLIP 模型的 58.8% 有顯著提升。

🚀 快速開始

若要了解如何使用該模型，請參考 CLIP 文檔，或查看使用此模型的應用：clip-satellite-demo。

✨ 主要特性

• 基於 CLIP 模型進行微調，在衛星圖像分類任務上表現出色。
• 僅經過 2 個訓練週期，重新訓練 30% 的參數，就能顯著提高準確率。

📚 詳細文檔

模型描述

該模型是 CLIP 的微調版本。僅經過 2 個訓練週期，重新訓練 30% 的參數後，準確率得到顯著提升。

預期用途和限制

此模型用於對衛星圖像進行分類。它在包含 21 個類別的 UC_Merced 數據集上進行訓練，這些類別包括：農業用地、飛機、棒球場、海灘、建築物、叢林、密集住宅區、森林、高速公路、高爾夫球場、港口、十字路口、中等住宅區、移動房屋公園、立交橋、停車場、河流、跑道、稀疏住宅區、儲油罐、網球場。

訓練和評估數據

• 重新訓練了 30% 的參數。
• 在 420 張圖像的測試集上進行評估。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：3e-05
• 訓練批次大小：64
• 評估批次大小：64
• 隨機種子：42
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 學習率調度器類型：線性
• 訓練週期數：2
• 混合精度訓練：Native AMP

訓練結果

框架版本

• Transformers 4.44.0
• Pytorch 2.4.0+cu121
• Datasets 2.20.0
• Tokenizers 0.19.1

📄 許可證

本模型採用 MIT 許可證。

📦 模型信息