Finetuned Vit Image Text Classifier

🚀 微調視覺Transformer文檔文本分類器

本模型是一個圖像分類模型，基於 google/vit-base-patch16-224-in21k 在 ernie-ai/image-text-examples-ar-cn-latin-notext 數據集上微調得到。它能夠預測圖像中是否包含文本，以及文本是拉丁文、中文還是阿拉伯文，同時也能對無文本圖像進行分類。

🚀 快速開始

本模型是 google/vit-base-patch16-224-in21k 在 ernie-ai/image-text-examples-ar-cn-latin-notext 數據集上的微調版本。在評估集上取得了以下結果：

• 損失值：0.3107
• 準確率：0.9030

✨ 主要特性

• 能夠預測圖像中是否包含文本。
• 可以識別文本是拉丁文、中文還是阿拉伯文。
• 能夠對無文本圖像進行分類。

📚 詳細文檔

模型描述

這是一個經過微調的圖像分類模型，用於預測圖像中是否包含文本，以及文本是拉丁文、中文還是阿拉伯文，同時也能對無文本圖像進行分類。

訓練和評估數據

數據集：[ernie-ai/image-text-examples-ar-cn-latin-notext]

訓練超參數

訓練期間使用了以下超參數：

訓練結果

框架版本

• Transformers 4.26.0
• Pytorch 1.13.1+cu116
• Datasets 2.9.0
• Tokenizers 0.13.2

📄 許可證

本項目採用 Apache-2.0 許可證。