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