许可证：apache-2.0
基础模型：google/efficientnet-b2
评估指标：

• 准确率
  任务标签：图像分类
  标签：
• 生物学
• efficientnet-b2
• 图像分类
• 视觉

鸟类分类器 EfficientNet-B2

模型描述

你是否曾看到一只鸟，心想：“唉，要是我知道那是什么鸟就好了。”
除非你是狂热的观鸟爱好者（或者单纯喜欢鸟类），否则很难区分某些鸟类的品种。
不过你很幸运，现在可以使用图像分类器来识别鸟类品种了！

该模型是基于 google/efficientnet-b2 在 gpiosenka/100-bird-species 数据集（来自 Kaggle）上微调的版本。训练模型所用的数据集采集于 2023 年 9 月 24 日。

原始模型本身是在 ImageNet-1K 上训练的，因此可能仍保留了一些识别鸟类等生物的有用特征。

理论上，在该数据集上随机猜测的准确率为 0.0019047619（即 1/525）。模型在三个数据集上的表现均非常出色，结果如下：

• 训练集：0.999480
• 验证集：0.985904
• 测试集：0.991238

用途

你可以直接使用该模型进行图像分类。以下是使用鸟类图片运行模型的示例：

# 导入所需库  
import torch  
import urllib.request  
from PIL import Image  
from transformers import EfficientNetImageProcessor, EfficientNetForImageClassification  

# 确定文件 URL  
url = '某 URL'  

# 使用 PIL 打开图像  
img = Image.open(urllib.request.urlretrieve(url)[0])  

# 从 HuggingFace 加载模型和预处理器  
preprocessor = EfficientNetImageProcessor.from_pretrained("dennisjooo/Birds-Classifier-EfficientNetB2")  
model = EfficientNetForImageClassification.from_pretrained("dennisjooo/Birds-Classifier-EfficientNetB2")  

# 预处理输入  
inputs = preprocessor(img, return_tensors="pt")  

# 运行推理  
with torch.no_grad():  
    logits = model(**inputs).logits  

# 获取预测标签  
predicted_label = logits.argmax(-1).item()  
print(model.config.id2label[predicted_label])  

或者，你也可以使用 Huggingface 的 Pipeline 简化流程：

# 导入所需库  
import torch  
import urllib.request  
from PIL import Image  
from transformers import pipeline  

# 确定文件 URL  
url = '某 URL'  

# 使用 PIL 打开图像  
img = Image.open(urllib.request.urlretrieve(url)[0])  

# 使用 Pipeline 加载模型和预处理器  
pipe = pipeline("image-classification", model="dennisjooo/Birds-Classifier-EfficientNetB2")  

# 运行推理  
result = pipe(img)[0]  

# 打印结果标签  
print(result['label'])  

训练与评估

数据

数据集来自 Kaggle 的 gpiosenka/100-bird-species。
它包含 525 种鸟类，训练集有 84,635 张图像，验证集和测试集各有 2,625 张图像。
数据集中的每张图像均为 224×224 的 RGB 图像。

训练过程使用了作者提供的相同划分方式。
更多细节请参考 作者的 Kaggle 页面。

训练过程

训练使用 PyTorch 在 Kaggle 的免费 P100 GPU 上完成，过程中还使用了 Lightning 和 Torchmetrics 库。

预处理

每张图像均按照原始作者的 配置 进行预处理。

训练集还通过以下方式进行了数据增强：

• 随机旋转 10 度，概率为 50%
• 随机水平翻转，概率为 50%

训练超参数

训练使用的超参数如下：

• 训练模式：fp32
• 损失函数：交叉熵
• 优化器：Adam（默认 beta 值为 0.99 和 0.999）
• 学习率：1e-3
• 学习率调度器：监控验证损失的 Reduce on Plateau，耐心值为 2，衰减率为 0.1
• 批量大小：64
• 早停机制：监控验证准确率，耐心值为 10

结果

下图展示了训练集和验证集上的训练结果：