Vit Base Letter

由 pittawat 开发

基于Google的ViT基础模型在字母识别数据集上微调的图像分类模型，准确率达98.81%

图像分类

Transformers

英语

开源协议:Apache-2.0 #字母识别 #高准确率 #ViT微调

下载量 93

发布时间 : 3/20/2023

模型介绍

内容详情

替代品

模型简介

该模型是基于Google的ViT基础架构微调得到的字母识别模型，专门用于图像中的字母分类任务。

模型特点

高准确率

在字母识别任务上达到98.81%的准确率

基于ViT架构

使用Vision Transformer基础架构，具有强大的图像特征提取能力

轻量级微调

在预训练模型基础上仅进行4轮微调，训练效率高

模型能力

图像分类

字母识别

字符识别

使用案例

文档处理

手写字母识别

识别扫描文档或照片中的手写字母

准确率98.81%

教育技术

字母学习应用

用于儿童教育应用中识别和验证书写的字母

语言:

英文许可证: apache-2.0 标签:
图像分类
训练生成数据集:
pittawat/letter_recognition 评估指标:
准确率基础模型: google/vit-base-patch16-224-in21k 模型索引:
名称: vit-base-letter 结果: []

vit-base-letter

该模型是基于google/vit-base-patch16-224-in21k在pittawat/letter_recognition数据集上微调得到的版本。在评估集上取得了以下结果：

损失: 0.0515
准确率: 0.9881

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

训练流程

训练超参数

训练过程中使用了以下超参数：

学习率: 0.0002
训练批次大小: 32
评估批次大小: 16
随机种子: 42
优化器: Adam，参数beta=(0.9,0.999)，epsilon=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

训练损失	轮次	步数	验证损失	准确率
0.5539	0.12	100	0.5576	0.9308
0.2688	0.25	200	0.2371	0.9665
0.1568	0.37	300	0.1829	0.9688
0.1684	0.49	400	0.1611	0.9662
0.1584	0.62	500	0.1340	0.9673
0.1569	0.74	600	0.1933	0.9531
0.0992	0.86	700	0.1031	0.9781
0.0573	0.98	800	0.1024	0.9781
0.0359	1.11	900	0.0950	0.9804
0.0961	1.23	1000	0.1200	0.9723
0.0334	1.35	1100	0.0995	0.975
0.0855	1.48	1200	0.0791	0.9815
0.0902	1.6	1300	0.0981	0.9765
0.0583	1.72	1400	0.1192	0.9712
0.0683	1.85	1500	0.0692	0.9846
0.1188	1.97	1600	0.0931	0.9785
0.0366	2.09	1700	0.0919	0.9804
0.0276	2.21	1800	0.0667	0.9846
0.0309	2.34	1900	0.0599	0.9858
0.0183	2.46	2000	0.0892	0.9769
0.0431	2.58	2100	0.0663	0.985
0.0424	2.71	2200	0.0643	0.9862
0.0453	2.83	2300	0.0646	0.9862
0.0528	2.95	2400	0.0550	0.985
0.0045	3.08	2500	0.0579	0.9846
0.007	3.2	2600	0.0517	0.9885
0.0048	3.32	2700	0.0584	0.9865
0.019	3.44	2800	0.0560	0.9873
0.0038	3.57	2900	0.0515	0.9881
0.0219	3.69	3000	0.0527	0.9881
0.0117	3.81	3100	0.0523	0.9888
0.0035	3.94	3200	0.0559	0.9865