dit-base-finetuned-brs開源圖像分類模型 - 免費部署處理圖像文件夾數據集

Dit Base Finetuned Brs

由sergiocannata開發

基於microsoft/dit-base微調的圖像分類模型，在圖像文件夾數據集上表現良好

下載量 13

發布時間 : 10/26/2022

模型概述

該模型是基於microsoft/dit-base在圖像文件夾數據集上微調的版本，主要用於圖像分類任務

高準確率

在評估集上達到88.24%的準確率

平衡性能

F1分數達到0.8571，顯示模型在精確率和召回率之間取得良好平衡

穩定訓練

經過100輪訓練，模型性能保持穩定

圖像分類

視覺特徵提取

圖像識別

文檔圖像分類

對文檔類圖像進行分類識別

準確率88.24%

本模型是 microsoft/dit-base 在 imagefolder 數據集上的微調版本。它在圖像分類任務中表現出色，能夠高效準確地對圖像進行分類，為相關領域的應用提供了有力支持。

該模型在評估集上取得了以下結果：

以下是訓練過程中使用的超參數：

訓練損失	輪數	步數	驗證損失	準確率	F1值	精確率（ppv）	召回率（sensitivity）	特異度	陰性預測值	曲線下面積（Auc）
0.6624	6.25	100	0.5548	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.5201	12.49	200	0.4617	0.8824	0.8571	0.8571	0.8571	0.9	0.9	0.8786
0.5172	18.74	300	0.4249	0.8235	0.8000	0.75	0.8571	0.8	0.8889	0.8286
0.4605	24.98	400	0.3172	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.4894	31.25	500	0.4466	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.3694	37.49	600	0.5077	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.6172	43.74	700	0.5722	0.7647	0.7143	0.7143	0.7143	0.8	0.8	0.7571
0.3671	49.98	800	0.7006	0.7647	0.6667	0.8	0.5714	0.9	0.75	0.7357
0.4109	56.25	900	0.4410	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.3198	62.49	1000	0.7226	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.4283	68.74	1100	0.8089	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.3273	74.98	1200	0.9059	0.7647	0.6667	0.8	0.5714	0.9	0.75	0.7357
0.3237	81.25	1300	0.8520	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.2014	87.49	1400	0.9183	0.7647	0.6667	0.8	0.5714	0.9	0.75	0.7357
0.3204	93.74	1500	0.6769	0.8824	0.8571	0.8571	0.8571	0.9	0.9	0.8786
0.1786	99.98	1600	0.8748	0.8824	0.8571	0.8571	0.8571	0.9	0.9	0.8786