细粒度动物识别（8k类）模型介绍
本模型是对含有动物的图像进行标签识别，无需任何额外输入，输出动物的类别标签，目前已经覆盖了8K多类的细粒度的动物类别。
模型描述
模型采用resnest101网络结构。
使用方式和范围
使用方式：
- 直接推理，对输入的图像，输入图像直接进行推理。
使用场景:
- 适合含有动物的图像进行动物标签识别，期望图像中动物占比不要过小。
代码范例:
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
animal_recognition= pipeline(
Tasks.animal_recognition,
model='damo/cv_resnest101_animal_recognition')
result = animal_recognition('https://pailitao-image-recog.oss-cn-zhangjiakou.aliyuncs.com/mufan/img_data/maas_test_data/dog.png')
print(result)
训练数据
训练数据共约700w带有动物标签的数据。
模型训练
预处理
图像输入：resize到256*256，然后CenterCrop到224*224。
LR scheduler
初始LR为 0.0003，每隔10个epoch，lr调整为原来的1/4，共训练100个epoch。
数据评估及结果
通过收集线上的实际应用数据进行评测精度为72.1%。
评论