Dogs vs Cats: ViT-tiny

Typ: Vision Transformer (ViT-tiny, patch 16, 224x224)
Zadanie: klasyfikacja obrazów, 2 klasy: cat , dog
Bazowy model: WinKawaks/vit-tiny-patch16-224 (pretrenowany na ImageNet)

Klasyfikator obrazów (kot / pies), fine-tuning modelu WinKawaks/vit-tiny-patch16-224.

Model

Epoch	Training Loss	Validation Loss	Accuracy
1	0.0146	0.0456	0.9875
2	0.0022	0.0504	0.9900
3	0.0000	0.0355	0.9900

Test accuracy: 0.9825

	precision	recall	f1-score	support
cat	0.978	0.984	0.981	184
dog	0.986	0.981	0.984	216
accuracy	0.982	0.982	0.982	0.982
macro avg	0.982	0.983	0.982	400
weighted avg	0.983	0.982	0.983	400

from transformers import pipeline
clf = pipeline("image-classification", model="MrParop/dogs-vs-cats-vit-tiny")
print(clf("zdjecie.jpg", top_k=2))

Model był trenowany na niewielkiej próbce zbioru i rozróżnia tylko koty i psy. Dla innych obiektów wyniki nie mają sensu.

加载中…