标签:

• 图像分类
• pytorch
• huggingpics 评估指标:
• 准确率

模型索引:

• 名称: 大型猫科动物分类器 结果:
  • 任务: 名称: 图像分类 类型: 图像分类 评估指标:
    • 名称: 准确率 类型: 准确率 值: 0.9107142686843872

这是一个基于视觉变换器(Vision Transformers)构建的图像分类器，能够将大型猫科动物的图像分类到以下类别中：

类别	大型猫科动物	示例图片
0	猎豹
1	美洲豹
2	豹子
3	狮子
4	老虎

注意:

• 由于美洲豹和豹子外观相似，模型可能会混淆两者。这些[1] [2] 两篇文章详细解释了两者的区别。
• 理论上，模型应能准确识别每个物种的地理种群变种。但在实际场景中可能并非如此，因为在训练阶段收集数据集时并未特别考虑这一点。
  • 例如：孟加拉虎、西伯利亚虎、印度支那虎和马来亚虎的图片都应被识别为老虎
• 最后，模型在分类某些大型猫科动物的罕见变种（如白虎、雪豹或黑豹）时的表现尚未专门测试。尽管部分测试结果令人满意。

训练与推理

训练:

推理:

使用方法

from PIL import Image
import matplotlib.pyplot as plt
from transformers import ViTFeatureExtractor, ViTForImageClassification

def identify_big_cat(img_path:str)->str:
  """
  读取属于猫科的大型猫科动物图像并返回对应物种的函数
  """
  img = Image.open(img_path)
  model_panthera = ViTForImageClassification.from_pretrained("smaranjitghose/big-cat-classifier")
  feature_extractor = ViTFeatureExtractor.from_pretrained('smaranjitghose/big-cat-classifier')
  inputs = feature_extractor(images=img, return_tensors="pt")
  outputs = model_panthera(**inputs)
  logits = outputs.logits
  predicted_class_idx = logits.argmax(-1).item()
  return model_panthera.config.id2label[predicted_class_idx]


 our_big_cat = identify_big_cat("path_of_the_image")
 print(f"预测物种: {our_big_cat}" )

托管API:

点击查看这里

库应用使用:

• 克隆本仓库

git clone https://github.com/smaranjitghose/Big_Cat_Classifier.git

• 进入克隆的仓库目录

cd Big_Cat_Classifier

• 现在选择以下两种方式之一：

A) 不使用Docker:

确保已安装最新稳定版Python 3并添加至PATH

• 安装Python依赖

pip install -r requirements.txt

• 在本地服务器启动Streamlit应用

streamlit run app.py

B) 使用Docker:

确保已安装Docker

• 构建Docker镜像

docker build -t smaranjitghose/big-cat-classifier:latest .

• 检查镜像是否可用

docker images

• 从镜像创建并运行Docker容器

docker run -t -i -p 8080:8080 --name "big-cat-classifier" smaranjitghose/big-cat-classifier

• 打开浏览器访问localhost:8080

托管部署

1. Heroku

• 移除Docker容器中暴露特定端口的行
• 确保启动命令暴露为可变端口号

ENTRYPOINT ["streamlit", "run", "app.py", "--server.port=$PORT"]

• 登录Heroku

heroku login -i

• 创建新Heroku应用

heroku create

• 登录容器注册表

heroku container:login

• 构建Docker镜像并推送至容器注册表

heroku container:push web

• 发布应用

heroku container:release web

• 查看托管版本和仪表盘

heroku open

参考与致谢:

Hugging Pics