基于CLIP架构微调的视觉语言模型，专门用于植物病害的零样本分类

基于google/vit-base-patch16-224-in21k在beans数据集上微调的视觉Transformer模型，用于图像分类任务

基于Google的ViT模型在beans数据集上微调的高精度图像分类模型

该模型是基于Google的ViT-base模型在beans数据集上微调得到的图像分类模型，准确率达98.5%。

该模型是基于Google的ViT架构在beans数据集上微调的图像分类模型，在验证集上达到了97.74%的准确率。

该模型是基于Google的ViT-base架构在beans数据集上微调的图像分类模型，准确率达97.74%

该模型是基于Google的ViT-base-patch16-224-in21k在beans数据集上微调的图像分类模型，验证集准确率达98.5%。

基于Google的ViT模型在beans数据集上微调的高精度图像分类模型

该模型是基于Google的ViT-base-patch16-224-in21k在beans数据集上微调的图像分类模型，准确率达98.5%。

基于Google的ViT模型在beans数据集上微调的图像分类模型，准确率达97.74%

该模型是基于Google的ViT架构在beans数据集上微调的图像分类模型，准确率达到97.74%。

该模型是基于Google的ViT架构在beans数据集上微调的图像分类模型，准确率达到97.74%。

该模型是基于Google的ViT架构在beans数据集上微调的图像分类模型，准确率达97.74%。

这是一个基于Google的ViT模型在beans数据集上微调的图像分类模型，准确率达到98.5%。

基于Google的ViT模型在beans数据集上微调的图像分类模型，准确率达96.99%

基于Google的ViT模型在豆类数据集上微调的图像分类模型，准确率达97.74%

基于Google的ViT模型在豆类数据集上微调的高精度图像分类模型

基于Google的ViT基础模型在beans数据集上微调的图像分类模型，准确率达98.5%

基于Google的ViT基础模型在图像文件夹数据集上微调的视觉Transformer模型

该模型是基于Google的ViT架构在beans数据集上微调的图像分类模型，用于识别豆类植物的健康状况。

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99.25%

基于google/vit-base-patch16-224-in21k在beans数据集上微调的视觉Transformer模型

基于Google的ViT基础模型在豆类图像数据集上微调的视觉分类模型，准确率达97.74%

该模型是基于timm/resnet18.a1_in1k在beans数据集上微调的图像分类模型，准确率为69.17%。

基于Google的ViT模型在beans数据集上微调的高精度图像分类模型

该模型是基于Google的ViT架构，在beans数据集上微调的图像分类模型，准确率达98.5%。

基于Google的ViT模型在beans数据集上微调的图像分类模型，用于识别豆类叶片健康状况

基于Google的ViT模型在beans数据集上微调得到的图像分类模型，准确率达98.5%

基于Swin Transformer架构的植物病害图像分类模型，在植物病害数据集上微调，准确率达96.9%

该模型是基于ConvNeXt-Tiny架构在beans数据集上微调的图像分类模型，准确率达到96.09%。

这是一个基于Swin Transformer架构的微型图像分类模型，专门针对植物健康诊断任务进行了微调，在评估集上达到了99.83%的准确率。