/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
convnextv2_swin_fusion · dense
Опубликована
30 июн 2026

convnextv2-swin-kvasir-gi-endoscopy

Классификация изображенийИзображение → label3 профессии

Классификатор изображений эндоскопии ЖКТ на базе ConvNeXt V2 и Swin Transformer распознаёт восемь классов находок и нормальных анатомических областей.

9скачиваний за 30 дней0лайковвеса обновлены30 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель разработана AmimulBmeIU для классификации кадров эндоскопии желудочно-кишечного тракта на восемь классов: окрашенные приподнятые полипы, края резекции, эзофагит, нормальные слепая кишка, привратник и Z-линия, полипы и язвенный колит. Она предназначена для анализа изображений из набора Kvasir-Dataset-v2 и может помогать в исследовательской оценке эндоскопических кадров.

Архитектура объединяет две небольшие визуальные ветви: ConvNeXt V2 извлекает локальные и текстурные признаки, а Swin Transformer — глобальный контекст. Двухслойное двунаправленное слияние с перекрёстным вниманием передаёт признаки между ветвями, после чего MLP классифицирует изображение. В README приведены результаты стратифицированной групповой 10-блочной кросс-валидации: средняя точность 0,9514, макро-точность 0,9520 и макро-полнота 0,9514.

Модель принимает изображения и выдаёт метку одного из восьми классов. Веса доступны в формате PyTorch по лицензии Apache-2.0. Проверка проводилась на Kvasir-Dataset-v2; результаты кросс-валидации сами по себе не подтверждают качество на других наборах данных или пригодность для клинических решений.

Сценарии применения

  • классификация кадров эндоскопии ЖКТ на восемь классов
  • распознавание полипов на изображениях эндоскопии
  • выявление эзофагита и язвенного колита на эндоскопических кадрах
  • определение нормальной слепой кишки, привратника и Z-линии
  • исследовательская оценка моделей для анализа эндоскопических изображений

Ограничения

Оценка приведена для стратифицированной групповой 10-блочной кросс-валидации на Kvasir-Dataset-v2; переносимость на другие данные не установлена. Кросс-валидационные метрики не подтверждают пригодность модели для клинического применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ConvNeXt V2 + Swin Transformer + Cross-Attention Fusion — Kvasir Dataset v2 (8-class GI Endoscopy)

8-class classifier (dyed-lifted-polyps, dyed-resection-margins, esophagitis, normal-cecum, normal-pylorus, normal-z-line, polyps, ulcerative-colitis) for GI endoscopy frames, trained on Kvasir-Dataset-v2 with stratified group 10-fold cross-validation.

Architecture

  • ConvNeXt V2 (tiny) backbone — local/texture features
  • Swin Transformer (tiny) backbone — global/contextual features
  • Bidirectional cross-attention fusion (2 layers) between both token streams
  • MLP classification head

10-Fold Cross-Validation Results (mean ± std)

MetricValue
Accuracy0.9514 ± 0.0057
Precision (macro)0.9520 ± 0.0054
Recall (macro)0.9514 ± 0.0057
F1 (macro)0.9513 ± 0.0057
ROC-AUC (macro)0.9959 ± 0.0014

Usage

from huggingface_hub import hf_hub_download
# see inference.py in this repo for load_model() / predict()

Explainability

Grad-CAM visualizations for both the ConvNeXt and Swin streams are included in the original training notebook to support clinical interpretability.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура convnextv2_swin_fusion неизвестна transformers в образе рантайма.

Ревизия весов
eeea716

0 моделей