基于Google Vision Transformer (ViT)架构微调的番茄叶片病害分类模型,在评估集上准确率达99.67%
下载量 55
发布时间 : 12/21/2024
模型简介
该模型专门用于识别和分类番茄叶片的病害类型,基于预训练的ViT模型在番茄叶片病害图像数据集上进行微调。
模型特点
高准确率
在评估集上达到99.67%的分类准确率
基于ViT架构
使用Vision Transformer架构,能有效捕捉图像全局特征
小样本学习
通过微调预训练模型,在有限数据上取得优异表现
模型能力
番茄叶片病害识别
植物病害分类
农业图像分析
使用案例
智慧农业
病害早期检测
自动检测番茄叶片病害,帮助农民及时发现作物问题
准确识别多种病害类型
精准农业管理
为精准农业提供病害诊断支持
减少农药使用,提高作物产量
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文