Swin Tiny Patch4 Window7 224 Finetuned Plantdisease

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

本模型是基于microsoft/swin-tiny-patch4-window7-224在imagefolder数据集上微调得到的版本。它能够对植物病害图像进行分类，在评估集上取得了较高的准确率。

🚀 快速开始

此模型是在imagefolder数据集上对microsoft/swin-tiny-patch4-window7-224进行微调后的版本。它在评估集上取得了以下结果：

• 损失值：0.1032
• 准确率：0.9690

✨ 主要特性

模型描述

本模型的创建过程如下：从kaggle（https://www.kaggle.com/datasets/emmarex/plantdisease ）将患病植物照片数据集导入到Google Colab中。然后使用图像分类教程（https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb ），得到了如下笔记本：

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

该模型可以分类的病害包括：番茄黄化曲叶病毒病、番茄晚疫病、辣椒细菌性斑点病、番茄早疫病、健康马铃薯、健康番茄、番茄靶斑病、马铃薯早疫病、番茄花叶病毒病、健康辣椒、马铃薯晚疫病、番茄 Septoria 叶斑病、番茄叶霉病、番茄红蜘蛛（二斑叶螨）、番茄细菌性斑点病。

叶片示例

预期用途与局限性

更多信息待补充。

训练和评估数据

更多信息待补充。

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：5e-05
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 梯度累积步数：4
• 总训练批次大小：128
• 优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 学习率调度器类型：线性
• 学习率调度器预热比例：0.1
• 训练轮数：1

训练结果

框架版本

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

📄 许可证

本模型采用 Apache-2.0 许可证。