基于Google的ViT模型在豆类数据集上微调得到的图像分类模型,准确率达98.5%
下载量 15
发布时间 : 4/11/2023
模型简介
该模型是基于google/vit-base-patch16-224-in21k在豆类数据集上微调得到的版本,主要用于图像分类任务。
模型特点
高准确率
在豆类数据集验证集上达到98.5%的分类准确率
基于ViT架构
使用Vision Transformer(ViT)架构,具有强大的图像特征提取能力
轻量级微调
在预训练模型基础上进行少量轮次的微调即可获得优异性能
模型能力
图像分类
植物病害识别
农作物分类
使用案例
农业
豆类品种识别
识别不同品种的豆类作物
验证集准确率98.5%
植物健康检测
检测豆类作物的健康状况
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