Dit Base Finetuned Brs

由 sergiocannata 开发

基于microsoft/dit-base微调的图像分类模型，在图像文件夹数据集上表现良好

下载量 13

发布时间 : 10/26/2022

模型介绍

内容详情

替代品

模型简介

该模型是基于microsoft/dit-base在图像文件夹数据集上微调的版本，主要用于图像分类任务

高准确率

在评估集上达到88.24%的准确率

平衡性能

F1分数达到0.8571，显示模型在精确率和召回率之间取得良好平衡

稳定训练

经过100轮训练，模型性能保持稳定

图像分类

视觉特征提取

图像识别

文档图像分类

对文档类图像进行分类识别

准确率88.24%

标签:

由训练器生成数据集:
图像文件夹指标:
准确率
F1分数模型索引:
名称: dit-base-finetuned-brs 结果:
- 任务: 名称: 图像分类类型: 图像分类数据集: 名称: 图像文件夹类型: 图像文件夹配置: 默认分割: 训练集参数: 默认指标:
  - 名称: 准确率类型: 准确率值: 0.8823529411764706
  - 名称: F1分数类型: f1 值: 0.8571428571428571

该模型是基于microsoft/dit-base在图像文件夹数据集上微调的版本。在评估集上取得了以下结果:

需要更多信息

需要更多信息

需要更多信息

训练过程中使用了以下超参数:

训练损失	轮次	步数	验证损失	准确率	F1分数	精确率(ppv)	召回率(灵敏度)	特异度	阴性预测值	AUC
0.6624	6.25	100	0.5548	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.5201	12.49	200	0.4617	0.8824	0.8571	0.8571	0.8571	0.9	0.9	0.8786
0.5172	18.74	300	0.4249	0.8235	0.8000	0.75	0.8571	0.8	0.8889	0.8286
0.4605	24.98	400	0.3172	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.4894	31.25	500	0.4466	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.3694	37.49	600	0.5077	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.6172	43.74	700	0.5722	0.7647	0.7143	0.7143	0.7143	0.8	0.8	0.7571
0.3671	49.98	800	0.7006	0.7647	0.6667	0.8	0.5714	0.9	0.75	0.7357
0.4109	56.25	900	0.4410	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.3198	62.49	1000	0.7226	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.4283	68.74	1100	0.8089	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.3273	74.98	1200	0.9059	0.7647	0.6667	0.8	0.5714	0.9	0.75	0.7357
0.3237	81.25	1300	0.8520	0.8235	0.7692	0.8333	0.7143	0.9	0.8182	0.8071
0.2014	87.49	1400	0.9183	0.7647	0.6667	0.8	0.5714	0.9	0.75	0.7357
0.3204	93.74	1500	0.6769	0.8824	0.8571	0.8571	0.8571	0.9	0.9	0.8786
0.1786	99.98	1600	0.8748	0.8824	0.8571	0.8571	0.8571	0.9	0.9	0.8786