SwinV2 для классификации минералов и горных пород

О сервисе

Обзор модели Эта модель представляет собой тонко настроенную версию microsoft/swinv2-base-patch4-window8-256, разработанную для классификации изображений различных минералов. Она была обучена на наборе данных, содержащем изображения минералов, и позволяет идентифицировать тип минерала по его визуальным характеристикам. Модель продемонстрировала точность 24,5% на оценочном наборе данных. Назначение и ограничения Модель предназначена для автоматической классификации изображений минералов и горных пород. Она может быть полезна в геологии, музеях естественной истории, образовательных учреждениях и любительской минералогии. Однако, текущая точность в 24,5% указывает на то, что модель нуждается в дальнейшем дообучении и улучшении, прежде чем её можно будет использовать в критически важных приложениях. Модель обучена на достаточно широком спектре классов минералов, однако её эффективность может варьироваться в зависимости от качества и ракурса входных изображений. Данные для обучения и оценки Модель была обучена на наборе данных 'imagefolder', который, предположительно, содержит различные изображения минералов и горных пород. Внутренняя структура данных позволяет модели выучивать визуальные признаки, характерные для каждого класса минералов. Процедура обучения Модель была обучена с использованием следующих гиперпараметров: Скорость обучения: 5e-05 Размер батча для обучения: 32 Размер батча для оценки: 32 Начальное число (seed): 42 Шаги накопления градиента: 4 Общий размер обучающего батча: 128 Оптимизатор: Adam с параметрами betas=(0.9, 0.999) и epsilon=1e-08 Тип планировщика скорости обучения: линейный Соотношение разогрева планировщика скорости обучения: 0.1 Количество эпох: 500 Результаты обучения Потери при обученииЭпохаШагПотери при валидацииТочность5.69390.96185.67740.00675.67131.97375.67010.00505.66502.99565.65920.00335.64974.00755.64870.00505.63754.96935.63750.00835.61415.971125.62550.01335.59816.991315.61230.01675.57188.001505.59610.01175.55268.961685.57770.01175.50009.971875.55540.01505.439110.992065.52900.01675.311212.002255.49140.02175.250012.962435.43050.02835.136113.972625.37290.04504.985014.992815.27950.04834.803116.003005.19910.06334.684316.963185.09760.06834.395917.973374.98280.07834.227718.993564.85220.08833.959420.003754.74670.10173.763720.963934.64500.11833.474821.974124.57360.0000 Модель Swinv2ForImageClassification определяет класс минерала. Пример использования для предсказания: Ссылки minatosnow/swinv2-base-patch4-window8-256-mineral Ссылки https:// https://huggingface.co/minatosnow/swinv2-base-patch4-window8-256-mineral Источник: https://qubu.ai/models/swin-v2-dlya-klassifikatsii-mineralov-i-gornykh-porod License: MIT