Dogs Breed Image Classification V2

🚀 狗狗品種圖像分類模型V2

本模型用於對狗狗品種圖像進行分類，基於預訓練模型微調而來，在評估集上有較好的準確率表現，能有效識別120種狗狗品種。

📚 詳細文檔

模型概述

本模型是 microsoft/resnet-152 在 Standford dogs dataset 上的微調版本。在評估集上取得了以下結果：

• 損失值：1.0115
• 準確率：0.8408

相關模型鏈接

• 使用resnet-50的微調模型鏈接
• 使用resnet-101的微調模型鏈接

數據集來源

本模型使用了 Kaggle - Standford dogs dataset 中的數據進行訓練。

網站描述引用：斯坦福狗狗數據集包含來自世界各地120個品種狗狗的圖像。該數據集是利用ImageNet的圖像和註釋構建的，用於細粒度圖像分類任務。它最初是為細粒度圖像分類而收集的，這是一個具有挑戰性的問題，因為某些狗狗品種具有幾乎相同的特徵，或者在顏色和年齡上有所不同。

引用信息

• Aditya Khosla, Nityananda Jayadevaprakash, Bangpeng Yao and Li Fei-Fei. Novel dataset for Fine-Grained Image Categorization. First Workshop on Fine-Grained Visual Categorization (FGVC), IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2011. [pdf] [poster] [BibTex]
• J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li and L. Fei-Fei, ImageNet: A Large-Scale Hierarchical Image Database. IEEE Computer Vision and Pattern Recognition (CVPR), 2009. [pdf] [BibTex]

預期用途和限制

本模型僅用於對120種狗狗品種進行圖像分類。

訓練和評估數據

訓練數據佔比75%，測試數據佔比25%。

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-06
• 訓練批次大小：32
• 評估批次大小：32
• 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
• 訓練輪數：20

訓練結果

框架版本

• Transformers 4.37.2
• Pytorch 2.3.0
• Datasets 2.15.0
• Tokenizers 0.15.1

📄 許可證

本模型採用Apache-2.0許可證。

📋 模型信息表格