README.md

metadata

language:
  - ru
license: mit
pipeline_tag: image-classification
tags:
  - vision
  - image-classification
  - pytorch
  - vit
  - e-commerce
metrics:
  - accuracy
model-index:
  - name: Product_Image_Classification
    results:
      - task:
          type: image-classification
        metrics:
          - type: accuracy
            value: 0.9448

Product Image Classification

Классификатор изображений товаров (смартфоны, ноутбуки, телевизоры, часы, наушники) на базе Vision Transformer (ViT).

Модель обучена на датасете изображений, собранных с узбекских маркетплейсов (asaxiy.uz, texnomart.uz, olcha.uz).

Описание и характеристики

• Базовая архитектура: google/vit-base-patch16-224-in21k
• Категории (5 классов): headphones, laptop, smartphone, tv, watch
• Размер входного изображения: 224x224 RGB

Качество модели (Evaluation)

Оценка производилась на тестовой выборке (dataset_prepared/test, 163 изображения):

Категория	Precision	Recall	F1-Score	Support
headphones	0.9091	0.9091	0.9091	33
laptop	0.9655	0.9032	0.9333	31
smartphone	0.8684	1.0000	0.9296	33
tv	1.0000	0.9697	0.9846	33
watch	1.0000	0.9394	0.9688	33
Accuracy			0.9448	163

Быстрый старт (Quickstart)

Для использования модели понадобятся библиотеки transformers, torch и pillow:

pip install transformers torch pillow