animals10-efficientnetv2s
классификация изображений животных
1 мин чтенияобновлено
Модель выполняет классификацию фотографий, определяя одно из 10 животных: бабочку, кошку, курицу, корову, собаку, слона, лошадь, овцу, паука или белку. Она основана на архитектуре EfficientNetV2-S (высокоэффективная сверточная нейросеть), предварительно обученной на датасете ImageNet. Перенос обучения (transfer learning — подход, при котором используется уже обученная модель для новой задачи) позволил достичь высокой точности при минимальных затратах ресурсов. Модель пригодится разработчикам и исследователям для быстрой интеграции распознавания животных в приложения или фотогалереи.
Ключевые особенности
- Обучена на датасете Animals-10 из 26 177 качественных фотографий.
- Достигает высокой точности Accuracy 0.983 на независимом тестовом наборе.
- Использует библиотеку Keras с бэкендом PyTorch для стабильной работы.
- Обучение заняло всего 16.5 минут на видеокарте NVIDIA RTX 5060 Laptop GPU.
Что можно сделать
- Автоматически сортировать фотографии домашних и диких животных по категориям в галереях.
- Создать бота для Telegram, который распознает животных на присланных пользователями снимках.
- Использовать в качестве готового компонента для образовательных проектов по компьютерному зрению.
Пример
import os
os.environ["KERAS_BACKEND"] = "torch"
import json, keras, numpy as np
from huggingface_hub import snapshot_download
from PIL import Image
path = snapshot_download("jramduran/animals10-efficientnetv2s")
model = keras.saving.load_model(f"{path}/model.keras")
img = Image.open("cat.jpg").convert("RGB").resize((224, 224))
print(model.predict(np.asarray(img, dtype="float32")[None], verbose=0)[0].argmax())
Подробнее
Accuracy: 0.983F1 macro: 0.980
Обучение: 8 эпох на NVIDIA RTX 5060 Laptop GPU
Объем датасета: 26 177 изображений








Комментарии