许可证: apache-2.0
标签:

• 训练生成
  数据集:
• 图像文件夹
  评估指标:
• 准确率
  模型索引:
• 名称: swin-tiny-patch4-window7-224-finetuned-plantdisease
  结果:
  • 任务:
    名称: 图像分类
    类型: image-classification
    数据集:
    名称: 图像文件夹
    类型: imagefolder
    参数: 默认
    评估指标:
    • 名称: 准确率
      类型: accuracy
      值: 0.9689922480620154

swin-tiny-patch4-window7-224微调植物病害模型

此模型是基于microsoft/swin-tiny-patch4-window7-224在图像文件夹数据集上微调的版本。
在评估集上达到以下结果:

• 损失值: 0.1032
• 准确率: 0.9690

模型描述

该模型通过从Kaggle导入植物病害照片数据集创建，数据集地址: https://www.kaggle.com/datasets/emmarex/plantdisease。随后使用图像分类教程(https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb)进行训练，具体笔记本见:

https://colab.research.google.com/drive/14ItHnpARBBGaYQCiJwJsnWiiNQnlrIyP?usp=sharing

可识别的病害类型包括: 番茄黄化曲叶病毒病、番茄晚疫病、甜椒细菌性斑点病、番茄早疫病、健康马铃薯、健康番茄、番茄靶斑病、马铃薯早疫病、番茄花叶病毒病、健康甜椒、马铃薯晚疫病、番茄斑枯病、番茄叶霉病、番茄二斑叶螨危害、番茄细菌性斑点病。

叶片示例:

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

训练过程中使用以下超参数:

• 学习率: 5e-05
• 训练批大小: 32
• 评估批大小: 32
• 随机种子: 42
• 梯度累积步数: 4
• 总训练批大小: 128
• 优化器: 带betas=(0.9,0.999)和epsilon=1e-08的Adam
• 学习率调度器类型: 线性
• 学习率预热比例: 0.1
• 训练轮次: 1

训练结果

框架版本

• Transformers 4.20.1
• Pytorch 1.11.0+cu113
• Datasets 2.3.2
• Tokenizers 0.12.1