这是一个基于Vision Transformer (ViT)架构的图像分类模型,能够准确识别30种不同类型的植物,平均准确率达到93%。
下载量 27
发布时间 : 10/29/2023
模型简介
该模型使用google/vit-base-patch16-224-in21k作为基础模型,专门用于植物类型识别任务。它能够从输入图像中预测植物的具体种类,在农业、植物学研究等领域有广泛应用价值。
模型特点
高准确率
在30类植物分类任务上达到93%的整体准确率,部分类别如椰子、红薯等达到99%以上的准确率。
多类别识别
能够识别30种不同的植物类型,涵盖常见农作物、水果和药用植物等。
基于ViT架构
采用先进的Vision Transformer架构,相比传统CNN模型在图像分类任务上有更好的表现。
模型能力
植物种类识别
图像分类
农业图像分析
使用案例
农业
农作物自动识别
用于农田监测系统中自动识别不同作物类型
可准确识别水稻、玉米、木薯等主要农作物
水果品质检测
在水果分拣线上识别不同水果种类
对香蕉、橙子、芒果等水果识别准确率达95%以上
植物学研究
植物标本分类
辅助植物学家快速分类植物标本
可识别包括药用植物如芦荟、姜黄等在内的多种植物
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