Swin Tiny Patch4 Window7 224 Finetuned Plantdisease

🚀 swin-tiny-patch4-window7-224-finetuned-plantdisease

本模型是基於microsoft/swin-tiny-patch4-window7-224在imagefolder數據集上微調得到的版本。它能夠對植物病害圖像進行分類，在評估集上取得了較高的準確率。

🚀 快速開始

此模型是在imagefolder數據集上對microsoft/swin-tiny-patch4-window7-224進行微調後的版本。它在評估集上取得了以下結果：

• 損失值：0.1032
• 準確率：0.9690

✨ 主要特性

模型描述

本模型的創建過程如下：從kaggle（https://www.kaggle.com/datasets/emmarex/plantdisease ）將患病植物照片數據集導入到Google Colab中。然後使用圖像分類教程（https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb ），得到了如下筆記本：

https://colab.research.google.com/drive/14ItHnpARBBGaYQCiJwJsnWiiNQnlrIyP?usp=sharing

該模型可以分類的病害包括：番茄黃化曲葉病毒病、番茄晚疫病、辣椒細菌性斑點病、番茄早疫病、健康馬鈴薯、健康番茄、番茄靶斑病、馬鈴薯早疫病、番茄花葉病毒病、健康辣椒、馬鈴薯晚疫病、番茄 Septoria 葉斑病、番茄葉黴病、番茄紅蜘蛛（二斑葉蟎）、番茄細菌性斑點病。

葉片示例

預期用途與侷限性

更多信息待補充。

訓練和評估數據

更多信息待補充。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：5e-05
• 訓練批次大小：32
• 評估批次大小：32
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：128
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 學習率調度器類型：線性
• 學習率調度器預熱比例：0.1
• 訓練輪數：1

訓練結果

框架版本

• Transformers 4.20.1
• Pytorch 1.11.0+cu113
• Datasets 2.3.2
• Tokenizers 0.12.1

📄 許可證

本模型採用 Apache-2.0 許可證。