運用CCT對番茄葉疾病進行多分類

1. 數據使用說明

將kaggle提供的資料集Tomato Disease Multiple Sources以8:2的比例分為訓練集和驗證集, 超過 20,000 張番茄葉圖像，包含10種疾病和1種健康的資料。

2.模型說明

此次訓練的模型為CCT，全名為Compact Convolutional Transformers，我們加入了ConvTokenizer和MultiHeadAttention來讓每個注意力關注input的不同部分，再進行拼接，讓模型擴展了專注不同位置的能力，讓訓練達到了更好的效果。

3.訓練過程與成果

我們選擇Loss為sparse_categorical_crossentropy和AdamW優化器來進行訓練，epoch設定為100, 從圖中可以看到評估指標Accuracy與TopKAccuracy(K=3)準確率都在90%以上。

4.總結

此模型對於偵測番茄葉疾病有著良好的準確率，在邊緣裝置上安裝後能大大的減少人力在辨識番茄葉的疾病上，期望未來能夠增加更多應用性。