Project-AgML/AgML
AgML is a centralized framework for agricultural machine learning. AgML provides access to public agricultural datasets for common agricultural deep learning tasks, with standard benchmarks and pretrained models, as well the ability to generate synthetic data and annotations.
它解决了什么问题
AgML 解决了获取和标准化多样农业数据集以用于机器学习的难题。它提供了一个集中式库，用于发现、下载和加载公开的农业数据，减少了研究人员和开发者在数据收集和预处理上花费的时间。
它如何工作
AgML 作为一个数据层，与 Hugging Face Hub 集成。它使用 HuggingFaceDataLoader 获取数据集，并提供工具将数据划分为训练、验证和测试集，支持可选的分层划分。该库将常见的农业任务标准化为特定格式：分类任务使用标签，目标检测任务使用 COCO 样式的边界框，语义分割任务使用单通道掩码。它设计为与 PyTorch 和 TensorFlow 兼容，并可直接与 Hugging Face 的 datasets 和 transformers 库集成，用于训练和推理。
适用人群
从事农业人工智能研究、数据科学以及构建用于作物监测、害虫检测等农业任务的深度学习模型的研究人员和开发者。
主要亮点
- 广泛的数据库访问：提供来自全球的多种公开农业数据集，包括包含超过 400 万张图像的大型 iNatAg 数据集。
- 标准化格式：将不同的数据源统一为分类、检测和分割任务的一致格式。
- 无缝集成：开箱即用，与 Hugging Face 生态系统兼容，用户可直接使用标准的
Trainer和Pipeline类。 - 框架无关性：同时支持 PyTorch 和 TensorFlow。
相关
- 项目
- 项目
- 项目
- 项目
- 项目