JeanPaulLePape/MasterCAMPDataetIAModelGoogleTrained

Modèle de Classification de Propreté des Poubelles

Ce modèle utilise Vision Transformer (ViT) pour classifier les images de poubelles en deux catégories:

• Clean (Propre)
• Dirty (Sale)

Modèle de base

• Architecture: Vision Transformer (ViT)
• Modèle de base: google/vit-base-patch16-224
• Type: Classification binaire d'images
• Taille d'entrée: 224x224 pixels

Classes

• 0: Clean (Poubelle propre)
• 1: Dirty (Poubelle sale)

Utilisation

from transformers import ViTImageProcessor, ViTForImageClassification
from PIL import Image
import torch

# Charger le modèle et le processeur
processor = ViTImageProcessor.from_pretrained('JeanPaulLePape/MasterCAMPDataetIAModelGoogleTrained')
model = ViTForImageClassification.from_pretrained('JeanPaulLePape/MasterCAMPDataetIAModelGoogleTrained')

# Fonction de prédiction
def predict_trash_cleanliness(image_path):
    image = Image.open(image_path).convert('RGB')
    inputs = processor(image, return_tensors="pt")
    
    with torch.no_grad():
        outputs = model(**inputs)
        predicted_class = torch.argmax(outputs.logits, dim=1).item()
        confidence = torch.softmax(outputs.logits, dim=1).max().item()
    
    label = "Clean" if predicted_class == 0 else "Dirty"
    return label, confidence

# Exemple d'utilisation
label, confidence = predict_trash_cleanliness("path/to/your/image.jpg")
print(f"Prédiction: {label} (Confiance: {confidence:.2f})")

Entraînement

• Framework: Transformers + PyTorch
• Optimiseur: AdamW
• Précision: Mixed precision (FP16)
• Métriques: Accuracy