culico-net-cls-v1 模型卡片

culico-net-cls-v1 - 专注于识别蚊虫种类的图像分类模型。该模型是 CulicidaeLab 项目的成果之一，通过微调 tiny_vit_21m_224.dist_in22k_ft_in1k 模型开发而成。

culico-net-cls-v1 是一个 TinyViT 图像分类模型。它首先由原论文作者在大规模 ImageNet-22k 数据集上使用蒸馏技术进行预训练，然后在 ImageNet-1k 数据集上进行微调。这一基础训练随后通过专用数据集进一步适配，专门用于蚊虫种类分类任务。

模型详情：

• 模型类型： 图像分类 / 特征骨干网络
• 模型统计：
  • 参数量 (M): 21.2
  • GMACs: 4.1
  • 激活值 (M): 15.9
  • 图像尺寸: 224 x 224
• 相关论文：
  • TinyViT: Fast Pretraining Distillation for Small Vision Transformers: https://arxiv.org/abs/2207.10666
  • 原始 GitHub 仓库: https://github.com/microsoft/Cream/tree/main/TinyViT
• 数据集： 该模型在 iloncka/mosquito-species-classification-dataset 数据集上训练。这是一系列数据集中的一个，该系列还包括 iloncka/mosquito-species-detection-dataset 和 iloncka/mosquito-species-segmentation-dataset。这些数据集包含各种蚊虫种类的图像，对于训练准确的识别模型至关重要。例如，部分数据集包含 Aedes aegypti（埃及伊蚊）、Aedes albopictus（白纹伊蚊）和 Culex quinquefasciatus（致倦库蚊）等种类，并标注了正常或挤压等状态特征。
• 预训练数据集： ImageNet-22k, ImageNet-1k

模型使用：

该模型可用于图像分类任务。以下代码片段演示了如何使用 Fastai 库调用该模型：

from fastai.vision.all import load_learner
from PIL import Image

# 假设模型已下载到本地
learner = load_learner(model_path)
_, _, probabilities = learner.predict(image)

CulicidaeLab 项目：

culico-net-cls-v1 模型是更大的 CulicidaeLab 项目的一个组成部分。该项目旨在为蚊虫监测和研究提供一套全面的工具套件。项目的其他部分包括：

• 相关模型：
  • iloncka/culico-net-det-v1 - 检测模型
  • iloncka/culico-net-segm-v1-nano - 分割模型
• 数据集：
  • iloncka/mosquito-species-detection-dataset
  • iloncka/mosquito-species-segmentation-dataset
  • iloncka/mosquito-species-classification-dataset
• Python 库： https://github.com/iloncka-ds/culicidaelab
• 移动应用：
• • https://gitlab.com/mosquitoscan/mosquitoscan-app
  • https://github.com/iloncka-ds/culicidaelab-mobile
• Web 应用： https://github.com/iloncka-ds/culicidaelab-server

实际应用：

culico-net-cls-v1 模型和更广泛的 CulicidaeLab 项目具有多种实际应用：

• 集成到第三方产品： 这些模型可以集成到现有的动植物识别应用中，扩展其功能以支持蚊虫识别。
• 嵌入式系统（边缘 AI）： 这些模型可以优化部署在边缘设备上，如智能诱捕器、无人机或摄像头，用于野外监测而无需持续的网络连接。
• 加速开发： 预训练模型可以作为迁移学习的基础，使研究人员能够更高效地开发用于识别其他昆虫或特定蚊虫亚种的系统。
• 专家系统： 该模型可作为"第二意见"工具，帮助专家快速验证种类鉴定结果。

致谢：

CulicidaeLab 的开发得到了 促进小型创新企业基金会（FASIE） 的资助支持。