🚀 基于斯坦福汽车数据集微调的ViT模型

本项目是基于斯坦福汽车数据集对ViT（视觉变换器）模型进行微调。该模型在测试集上达到了约86%的准确率，你可以将其作为进一步调优的基线模型。

🚀 快速开始

本模型基于以下基础模型进行微调：https://huggingface.co/google/vit-base-patch16-224

✨ 主要特性

• 在斯坦福汽车数据集的测试集上达到约86%的准确率，可作为后续模型调优的基线。

📦 数据集描述

斯坦福汽车数据集包含16,185张图片，涵盖196个汽车类别。类别通常具体到汽车的品牌、型号和年份，例如2012款特斯拉Model S或2012款宝马M3轿跑。在本项目中，数据被划分为8144张训练图片、6041张测试图片和2000张验证图片。

⚠️ 重要提示

该数据集不包含较新的汽车模型。

💻 使用示例

基础用法

from transformers import AutoFeatureExtractor, AutoModelForImageClassification

extractor = AutoFeatureExtractor.from_pretrained("therealcyberlord/stanford-car-vit-patch16")
model = AutoModelForImageClassification.from_pretrained("therealcyberlord/stanford-car-vit-patch16")

📄 引用信息

• 3D Object Representations for Fine-Grained Categorization Jonathan Krause, Michael Stark, Jia Deng, Li Fei-Fei 4th IEEE Workshop on 3D Representation and Recognition, at ICCV 2013 (3dRR-13). Sydney, Australia. Dec. 8, 2013.

📄 许可证

本项目采用Apache-2.0许可证。