Finetuned Clothes

🚀 微调服装分类模型

本模型基于预训练模型进行微调，能够根据给定的图像对服装类别进行分类，在评估集上取得了良好的效果，为服装分类任务提供了有效的解决方案。

🚀 快速开始

本模型是 google/vit-base-patch16-224-in21k 在 clothes_simplifiedv2 数据集上的微调版本。它在评估集上取得了以下结果：

• 损失值：0.2225
• 准确率：0.9417

✨ 主要特性

此模型能够根据给定的图像对服装类别进行分类。

💻 使用示例

基础用法

from PIL import Image
import requests

url = 'insert image url here'
image = Image.open(requests.get(url, stream=True).raw)

from transformers import AutoModelForImageClassification, AutoImageProcessor

repo_name = "samokosik/finetuned-clothes"

image_processor = AutoImageProcessor.from_pretrained(repo_name)
model = AutoModelForImageClassification.from_pretrained(repo_name)

encoding = image_processor(image.convert("RGB"), return_tensors="pt")
print(encoding.pixel_values.shape)

import torch
with torch.no_grad():
  outputs = model(**encoding)
  logits = outputs.logits

predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

🔧 技术细节

局限性

由于可用数据有限，本模型仅支持以下类别：帽子、长袖上衣、外套、裤子、鞋子、短裤、短袖上衣。

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：8
• 评估批次大小：8
• 随机种子：42
• 优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 学习率调度器类型：线性
• 训练轮数：4
• 混合精度训练：Native AMP

训练结果

框架版本

• Transformers 4.40.1
• Pytorch 2.2.1+cu121
• Datasets 2.19.0
• Tokenizers 0.19.1

训练数据集

本模型在以下数据集上进行训练：https://huggingface.co/datasets/samokosik/clothes_simplifiedv2

📄 许可证

本模型采用 Apache - 2.0 许可证。