MrParop/dogs-vs-cats-vit-tiny

Dogs vs Cats: ViT-tiny

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

Model

• 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)

Dane

• Zbiór: microsoft/cats_vs_dogs
• Użyto losowej próbki 4000 zdjęć: train 3200, validation 400, test 400

Hiperparametry

Parametr	Wartość
Epoki	3
Learning rate	5e-05
Batch size	32
Precision	fp16
Śledzenie	MLflow

Wyniki treningu

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

Metryki per klasa (zbiór testowy)

	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

Confusion matrix

Użycie

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

Ograniczenia

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