vit-beans-demo

Vision Transformer (google/vit-base-patch16-224-in21k) fine-tune sur le dataset beans pour detecter les maladies foliaires du haricot.

Realise dans le cadre du cours MLOps M2 (lab Hugging Face).

Classes

id	label	description
0	angular_leaf_spot	tache angulaire
1	bean_rust	rouille du haricot
2	healthy	feuille saine

Resultats

Split	Accuracy	Loss
test (128 images)	0.9609	0.1792

Utilisation

from transformers import pipeline

clf = pipeline("image-classification", model="Den953/vit-beans-demo")
clf("feuille.jpg")

Une version ONNX est disponible dans onnx/model.onnx pour l'inference hors PyTorch.

Entrainement

Hyperparametre	Valeur
base	google/vit-base-patch16-224-in21k
train / test	1034 / 128 images
epochs	2
learning rate	5e-5
batch size	16
optimiseur	AdamW
augmentation	RandomResizedCrop(224) (train), Resize + CenterCrop (eval)
materiel	CPU

Entrainement realise en CPU (AMD Ryzen, 12 threads), pas sur GPU : le nombre d'epoques a ete reduit par rapport a l'enonce du lab pour tenir dans un temps raisonnable. Ce choix est indique dans le tableau d'hyperparametres ci-dessus.

Limites

Dataset de ~1 000 images d'une seule culture, prises dans des conditions de terrain specifiques (Ouganda). Le modele n'a pas ete evalue sur d'autres especes, d'autres maladies, ni sur des photos de qualite ou d'eclairage tres differents. A ne pas utiliser comme outil de diagnostic agricole reel sans validation supplementaire.

Demo

Space de demonstration : https://huggingface.co/spaces/Den953/bean-leaf-classifier