Garbage Classification
Model ini adalah versi ResNet18 yang di-fine-tune menggunakan dataset Garbage Classification v2 dari Kaggle. Model ini mencapai hasil berikut pada dataset evaluasi (25% split):
- Loss: 0.0020
- Accuracy: 0.9364
Model description
Model klasifikasi gambar untuk membedakan jenis-jenis sampah guna mendukung sistem pemilahan otomatis. Menggunakan arsitektur ResNet18 dengan teknik Transfer Learning.
Intended uses & limitations
Digunakan untuk mengidentifikasi material tunggal dalam gambar. Limitasi mencakup kesulitan pada latar belakang yang ramai atau objek yang bertumpuk.
Training and evaluation data
Dataset menggunakan 12,260 gambar yang dibagi menjadi 75% Training (9,195 gambar) dan 25% Testing (3,065 gambar).
Training procedure
Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 0.0001
- train_batch_size: 32
- eval_batch_size: 32
- optimizer: Adam with weight_decay=1e-4
- lr_scheduler_type: StepLR (step=5, gamma=0.5)
- num_epochs: 15
Training results
| Epoch | Training Loss | Train Accuracy |
|---|---|---|
| 1 | 0.5585 | 82.53% |
| 3 | 0.0790 | 97.77% |
| 6 | 0.0121 | 99.85% |
| 9 | 0.0043 | 99.98% |
| 12 | 0.0029 | 99.99% |
| 15 | 0.0020 | 100.00% |
Framework versions
- Pytorch: 2.10.0+cu128
- Torchvision: 0.25.0+cu128
- Python: 3.12.12
Author
Ina Alyani
- Downloads last month
- 5