PyTorch tabanlı mahsul hastalığı tespiti için taban çizgisi ve görüntü sınıflandırma boru hattı.
AI Challenger 2018 yarışması taban çizgisi, otomatik cihaz değiştirme ve AMP ile PyTorch 2.x için yükseltildi.
Bu depo, yüksek çözünürlüklü yaprak görüntülerinden bitki hastalıklarını sınıflandırmak için eksiksiz bir PyTorch boru hattı sağlar. ResNet50 üzerine kurulmuş bir taban çizgisi modeli arayan makine öğrenimi uygulayıcıları ve tarımsal veri bilimcileri için uygundur.
650x650 mahsul görüntülerini değiştirilmiş bir ResNet50 mimarisi üzerinden işler, tabakalı veri seti bölümlemesini yönetir ve hem çevrimiçi veri artırmaları hem de isteğe bağlı çevrimdışı ön işlemeyi destekler. Boru hattı, otomatik CPU/GPU değiştirme, karışık hassasiyetli eğitim ve sınıf dengesizliklerini yönetmek için düzeltilmiş bir FocalLoss uygulaması içerir.
Tarımsal görüntü sınıflandırma görevleri için yapılandırılmış bir taban çizgisine ihtiyaç duyan PyTorch deneyimine sahip geliştiriciler ve araştırmacılar için uygundur. Kullanıma hazır bir mobil uygulama veya tak-çalıştır web arayüzü arayan teknik olmayan ziraat mühendisleri için uygun değildir.
Uyarlanabilir ortalama havuzlama katmanı ve 59 sınıflı sınıflandırma başlığı ile uyarlanmış önceden eğitilmiş bir ResNet50 ağı kullanır.
Bellek tüketimini azaltmak ve yürütmeyi hızlandırmak için CUDA cihazlarında otomatik karışık hassasiyetli eğitimi destekler.
Anormal sınıfları yönetirken tabakalı K-katlı mantığı kullanarak eğitim-doğrulama setlerini birleştirmek ve bölmek için komut dosyaları içerir.
Standart çapraz entropinin yerini almak üzere uygun numune başına modülasyona sahip sabit bir FocalLoss uygulaması sağlar.
Açık kaynak doğası gereği ücretsizdir, ancak README resmi bir lisans belirtmemektedir. Tek maliyet, onu kendi donanımınızda veya bulut örneğinizde kendiniz çalıştırmaktır.
877 açık uzaktan yapay zeka eğitimi işi, 16 Kasım 2026 tarihinde güncellendi; çoğu saatlik $20–$175 ödüyor. Bunların 2 tanesi Türkçe konuşanlar için. Zekai ücretsiz listeler; başvuru işverenin platformunda yapılır.
İncelenmiş bu AI araçları aynı işi anında yapar — puanlı dizinimizden.
650x650 görüntü boyutu nedeniyle yeterli VRAM'e sahip CUDA uyumlu bir GPU önerilir, ancak hiçbir GPU algılanmazsa kod otomatik olarak CPU'ya geri döner.
Hazırlık komut dosyası belirli anormal sınıfları kaldırır ve indeksleri kaydırır, test boru hattı ise tahminleri otomatik olarak orijinal resmi tanımlayıcılara geri eşler.
Google'da önce Zekai'yi gör