Stanford Car Vit Patch16

🚀 基於斯坦福汽車數據集微調的ViT模型

本項目是基於斯坦福汽車數據集對ViT（視覺變換器）模型進行微調。該模型在測試集上達到了約86%的準確率，你可以將其作為進一步調優的基線模型。

🚀 快速開始

本模型基於以下基礎模型進行微調：https://huggingface.co/google/vit-base-patch16-224

✨ 主要特性

• 在斯坦福汽車數據集的測試集上達到約86%的準確率，可作為後續模型調優的基線。

📦 數據集描述

斯坦福汽車數據集包含16,185張圖片，涵蓋196個汽車類別。類別通常具體到汽車的品牌、型號和年份，例如2012款特斯拉Model S或2012款寶馬M3轎跑。在本項目中，數據被劃分為8144張訓練圖片、6041張測試圖片和2000張驗證圖片。

⚠️ 重要提示

該數據集不包含較新的汽車模型。

💻 使用示例

基礎用法

from transformers import AutoFeatureExtractor, AutoModelForImageClassification

extractor = AutoFeatureExtractor.from_pretrained("therealcyberlord/stanford-car-vit-patch16")
model = AutoModelForImageClassification.from_pretrained("therealcyberlord/stanford-car-vit-patch16")

📄 引用信息

• 3D Object Representations for Fine-Grained Categorization Jonathan Krause, Michael Stark, Jia Deng, Li Fei-Fei 4th IEEE Workshop on 3D Representation and Recognition, at ICCV 2013 (3dRR-13). Sydney, Australia. Dec. 8, 2013.

📄 許可證

本項目採用Apache-2.0許可證。