Instructions to use dan-lara/Garbage-Classifier-Resnet-50-Finetuning with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use dan-lara/Garbage-Classifier-Resnet-50-Finetuning with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("image-classification", model="dan-lara/Garbage-Classifier-Resnet-50-Finetuning") pipe("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/hub/parrots.png")# Load model directly from transformers import AutoImageProcessor, AutoModelForImageClassification processor = AutoImageProcessor.from_pretrained("dan-lara/Garbage-Classifier-Resnet-50-Finetuning") model = AutoModelForImageClassification.from_pretrained("dan-lara/Garbage-Classifier-Resnet-50-Finetuning") - Notebooks
- Google Colab
- Kaggle
Update README.md
Browse files
README.md
CHANGED
|
@@ -40,6 +40,7 @@ Les images du dataset ont été normalisées et redimensionnées à une résolut
|
|
| 40 |
|
| 41 |
### Performance
|
| 42 |
Le modèle atteint un **taux de précision global de 94 %** sur le jeu de test du Dataset. Les performances varient légèrement entre les classes en fonction de la diversité des images et des similarités visuelles entre certaines catégories.
|
|
|
|
| 43 |
|
| 44 |
## Utilisation prévue & limitations
|
| 45 |
|
|
|
|
| 40 |
|
| 41 |
### Performance
|
| 42 |
Le modèle atteint un **taux de précision global de 94 %** sur le jeu de test du Dataset. Les performances varient légèrement entre les classes en fonction de la diversité des images et des similarités visuelles entre certaines catégories.
|
| 43 |
+
Voici un simulateur([EcoMind AI](https://ecomind-ai.streamlit.app/)) qui compare notre modèle au ResNet de base et à d'autres technologies telles que Yolo et LLMs (Llama 3.2).
|
| 44 |
|
| 45 |
## Utilisation prévue & limitations
|
| 46 |
|