基于Google Vision Transformer(ViT)架构微调的豆类叶片疾病分类模型
下载量 18
发布时间 : 3/18/2023
模型简介
该模型是基于google/vit-base-patch16-224-in21k在豆类数据集上微调的图像分类模型,主要用于识别豆类叶片的健康状况和疾病类型。
模型特点
高准确率
在验证集上达到98.5%的分类准确率
高效微调
基于预训练ViT模型进行高效微调,仅需少量训练数据
农业应用
专门针对豆类作物叶片疾病检测优化
模型能力
图像分类
植物疾病识别
健康叶片检测
使用案例
农业科技
豆类疾病自动诊断
通过拍摄豆类叶片照片自动识别是否存在疾病
可准确区分健康叶片和豆锈病叶片
农作物健康监测
用于大规模农场中作物健康状况的自动化监测
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