|
|
--- |
|
|
library_name: transformers |
|
|
license: apache-2.0 |
|
|
base_model: torchvision/resnet50 |
|
|
tags: |
|
|
- image-classification |
|
|
- computer-vision |
|
|
- pytorch |
|
|
- reptiles |
|
|
- amphibians |
|
|
metrics: |
|
|
- accuracy |
|
|
model-index: |
|
|
- name: resnet50-reptile-amphibian-classifier |
|
|
results: [] |
|
|
--- |
|
|
|
|
|
<!-- Diese Model Card wurde auf Basis des Trainings-Notebooks automatisch erstellt. Bitte prüfen, ergänzen und diesen Kommentar ggf. entfernen. --> |
|
|
|
|
|
# resnet50-reptile-amphibian-classifier |
|
|
|
|
|
Dieses Modell ist eine feinjustierte Version von ResNet-50 zur Bildklassifikation verschiedener Reptilien- und Amphibienarten. Es wurde auf einem Bilddatensatz trainiert, der von der Plattform Kaggle stammt und Arten wie Frösche, Eidechsen, Schlangen usw. umfasst. |
|
|
|
|
|
## Modellbeschreibung |
|
|
|
|
|
Das Modell basiert auf der `resnet50`-Architektur aus `torchvision.models`, wobei die finale Klassifikationsschicht (`fc`) an die Anzahl der Klassen im Datensatz angepasst wurde. Es wurde mithilfe von Data Augmentation und der `Adam`-Optimierung trainiert. |
|
|
|
|
|
## Anwendungsgebiete & Einschränkungen |
|
|
|
|
|
**Geeignet für:** |
|
|
- Klassifikation von Bildern mit Reptilien und Amphibien |
|
|
- Zoologische oder biologische Bildanalysen |
|
|
|
|
|
**Nicht geeignet für:** |
|
|
- Bilder mit schlechter Qualität oder aus anderen Domänen |
|
|
- Klassifikation von nicht-reptilienartigen Tieren |
|
|
|
|
|
## Trainings- und Evaluierungsdaten |
|
|
|
|
|
Der Datensatz besteht aus Bildern, die in die Klassenverzeichnisse unter `data/train`, `data/val` und `data/test` aufgeteilt wurden. Er wurde automatisch in Trainings-, Validierungs- und Testsets im Verhältnis 70/15/15 aufgeteilt. |
|
|
|
|
|
## Trainingsprozedur |
|
|
|
|
|
### Trainings-Hyperparameter |
|
|
|
|
|
- learning_rate: 0.001 |
|
|
- train_batch_size: 32 |
|
|
- eval_batch_size: 32 |
|
|
- seed: 42 |
|
|
- optimizer: Adam |
|
|
- lr_scheduler_type: ReduceLROnPlateau |
|
|
- num_epochs: 15 |
|
|
|
|
|
### Trainingsergebnisse |
|
|
|
|
|
| Training Loss | Validation Loss | Validation Accuracy | |
|
|
|:-------------:|:---------------:|:-------------------:| |
|
|
| ≈0.13 (final) | ≈0.18 (final) | ≈0.94–0.95 | |
|
|
|
|
|
(Genauere Werte sind im Notebook-Ausgang sichtbar) |
|
|
|
|
|
## Framework-Versionen |
|
|
|
|
|
- Transformers: nicht verwendet |
|
|
- PyTorch: ≥ 2.0 |
|
|
- Torchvision: ≥ 0.15 |
|
|
- Scikit-learn: zur Auswertung verwendet |
|
|
- Gradio (optional): für Deployment |
|
|
|
|
|
|
