Базовый конвейер на базе PyTorch и классификация изображений для обнаружения болезней сельскохозяйственных культур.
Базовое решение соревнования AI Challenger 2018, обновленное для PyTorch 2.x с автоматическим переключением устройств и AMP.
Этот репозиторий предоставляет полный конвейер PyTorch для классификации болезней растений по изображениям листьев высокого разрешения. Он подходит для специалистов по машинному обучению и ученых в области сельскохозяйственных данных, ищущих базовую модель на базе ResNet50.
Он обрабатывает изображения сельскохозяйственных культур размером 650x650 с помощью измененной архитектуры ResNet50, управляет стратифицированным разделением наборов данных и поддерживает как онлайн-аугментацию данных, так и опциональную офлайн-предобработку. Конвейер включает в себя автоматическое переключение CPU/GPU, обучение со смешанной точностью и исправленную реализацию FocalLoss для обработки дисбаланса классов.
Он подходит для разработчиков и исследователей с опытом работы с PyTorch, которым нужен структурированный базис для задач классификации изображений в сельском хозяйстве. Он не подходит для нетехнических агрономов, ищущих готовое мобильное приложение или простой веб-интерфейс.
Использует предобученную сеть ResNet50, адаптированную со слоем адаптивного усредняющего пулинга и классификационной головой на 59 классов.
Поддерживает автоматическое обучение со смешанной точностью на устройствах CUDA для снижения потребления памяти и ускорения выполнения.
Включает скрипты для объединения и разделения обучающих и валидационных наборов с использованием логики стратифицированной K-fold кросс-валидации при обработке аномальных классов.
Предоставляет исправленную реализацию FocalLoss с правильной покадровой модуляцией для замены стандартной кросс-энтропии.
Бесплатно благодаря своей природе open source, хотя в README не указана формальная лицензия. Единственная стоимость — это запуск на вашем собственном оборудовании или облачном инстансе.
877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Эти проверенные ИИ-инструменты делают то же самое мгновенно — из нашего оценённого каталога.
Рекомендуется совместимый с CUDA GPU с достаточным объемом VRAM из-за размера изображений 650x650, хотя код автоматически переключается на CPU, если GPU не обнаружен.
Скрипт подготовки удаляет определенные аномальные классы и сдвигает индексы, в то время как тестовый конвейер автоматически сопоставляет предсказания с исходными официальными идентификаторами.
Zekai первым в Google