File size: 2,770 Bytes
68af918 45cfbb7 68af918 45cfbb7 68af918 45cfbb7 68af918 45cfbb7 2bc5003 2146f16 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 |
---
license: cc0-1.0
datasets:
- RobertoMDLP/tom_and_jerry
language:
- en
metrics:
- accuracy
- f1
- precision
- recall
base_model:
- google/vit-base-patch16-224-in21k
---
# Tom and Jerry Image Classification with ViT
Este modelo es una variante ajustada de **google/vit-base-patch16-224-in21k** para clasificar im谩genes que contienen:
- Tom
- Jerry
## Metodolog铆a
1. **Preparaci贸n del dataset**
Se utiliz贸 el dataset [`RobertoMDLP/tom_and_jerry`](https://huggingface.co/datasets/RobertoMDLP/tom_and_jerry) con dos clases (*Tom*, *Jerry*).
El conjunto de datos se dividi贸 en 70% para entrenamiento, 15% para validaci贸n y 15% para prueba.
2. **Preprocesamiento**
Las im谩genes fueron redimensionadas a 224脳224 p铆xeles y normalizadas utilizando el `ViTImageProcessor` preentrenado de `google/vit-base-patch16-224-in21k`.
No se aplicaron t茅cnicas de aumento de datos.
3. **Entrenamiento**
Se emple贸 el modelo base **ViT** con fine-tuning completo.
La configuraci贸n incluy贸:
- Tama帽o de lote: 8 (entrenamiento y evaluaci贸n)
- Tasa de aprendizaje: 2e-4
- 脡pocas: 3
- Estrategia de evaluaci贸n: cada 100 pasos
- Precisi贸n mixta (FP16)
- Early stopping con paciencia de 3 evaluaciones
- Selecci贸n del mejor modelo seg煤n *accuracy* de validaci贸n
4. **Evaluaci贸n**
El rendimiento se midi贸 con Accuracy, F1, Precision y Recall.
Se seleccion贸 el checkpoint con mejor Accuracy en validaci贸n.
## Resultados
### Resumen de m茅tricas (mejor checkpoint)
| M茅trica | Valor |
|-------------|---------|
| Accuracy | 0.9916 |
| F1 | 0.9911 |
| Precision | 0.9911 |
| Recall | 0.9911 |
| Loss (eval) | 0.0403 |
### Evoluci贸n por pasos
| Step | Train Loss | Val Loss | Accuracy | F1 | Precision | Recall |
|------|-----------:|---------:|----------:|---------:|----------:|---------:|
| 100 | 0.0808 | 0.1168 | 0.9705 | 0.9694 | 0.9646 | 0.9759 |
| 200 | 0.2120 | 0.1209 | 0.9705 | 0.9691 | 0.9667 | 0.9719 |
| 300 | 0.0008 | 0.0403 | 0.9916 | 0.9911 | 0.9911 | 0.9911 |
| 400 | 0.0041 | 0.0464 | 0.9895 | 0.9889 | 0.9884 | 0.9894 |
| 500 | 0.0004 | 0.1313 | 0.9684 | 0.9671 | 0.9627 | 0.9732 |
| 600 | 0.0005 | 0.0855 | 0.9811 | 0.9802 | 0.9767 | 0.9845 |
### M茅tricas finales
**Entrenamiento**
- Epoch: 2.1583
- Loss: 0.0394
- Tiempo: 6 min 3 s
- Velocidad: 30.58 muestras/s
**Evaluaci贸n**
- Accuracy: 0.9916
- F1: 0.9911
- Precision: 0.9911
- Recall: 0.9911
- Loss: 0.0403
- Tiempo: 6.33 s
- Velocidad: 74.97 muestras/s
### Framework versions
- Transformers 4.55.0
- Pytorch 2.6.0+cu124
- Datasets 4.0.0
- Tokenizers 0.21.4 |