🚀 狗狗品种图像分类模型V2

本模型用于对狗狗品种图像进行分类，基于预训练模型微调而来，在评估集上有较好的准确率表现，能有效识别120种狗狗品种。

📚 详细文档

模型概述

本模型是 microsoft/resnet-152 在 Standford dogs dataset 上的微调版本。在评估集上取得了以下结果：

• 损失值：1.0115
• 准确率：0.8408

相关模型链接

• 使用resnet-50的微调模型链接
• 使用resnet-101的微调模型链接

数据集来源

本模型使用了 Kaggle - Standford dogs dataset 中的数据进行训练。

网站描述引用：斯坦福狗狗数据集包含来自世界各地120个品种狗狗的图像。该数据集是利用ImageNet的图像和注释构建的，用于细粒度图像分类任务。它最初是为细粒度图像分类而收集的，这是一个具有挑战性的问题，因为某些狗狗品种具有几乎相同的特征，或者在颜色和年龄上有所不同。

引用信息

• Aditya Khosla, Nityananda Jayadevaprakash, Bangpeng Yao and Li Fei-Fei. Novel dataset for Fine-Grained Image Categorization. First Workshop on Fine-Grained Visual Categorization (FGVC), IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2011. [pdf] [poster] [BibTex]
• J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li and L. Fei-Fei, ImageNet: A Large-Scale Hierarchical Image Database. IEEE Computer Vision and Pattern Recognition (CVPR), 2009. [pdf] [BibTex]

预期用途和限制

本模型仅用于对120种狗狗品种进行图像分类。

训练和评估数据

训练数据占比75%，测试数据占比25%。

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：5e-06
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型：线性
• 训练轮数：20

训练结果

框架版本

• Transformers 4.37.2
• Pytorch 2.3.0
• Datasets 2.15.0
• Tokenizers 0.15.1

📄 许可证

本模型采用Apache-2.0许可证。

📋 模型信息表格