Model Trained Using AutoTrain
- Problem type: Image Classification
Validation Metrics
loss: 0.5226172208786011
f1: 0.8527472527472527
precision: 0.7432950191570882
recall: 1.0
auc: 0.9095966687182644
accuracy: 0.7432950191570882
Дообученная ResNet-50 для классификации изображений, связанных с пневмонией.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Bastik22/pneumonia — дообученная с помощью AutoTrain модель классификации изображений на базе ResNet-50 от Microsoft. Она предназначена для классификации изображений лёгких по теме пневмонии. В репозитории указаны метрики на валидации: F1 — 0,853, точность — 0,743, полнота — 1,0 и AUC — 0,910.
Модель принимает изображения и выдаёт результаты классификации. Высокая полнота на приведённой валидации сочетается с точностью 0,743; результаты могут зависеть от состава данных и условий съёмки. Информация о лицензии и клинической валидации в предоставленных источниках отсутствует.
Метрики приведены только для валидационной выборки, состав которой не описан; точность составляет 0,743, поэтому возможны ложные срабатывания и пропуски. Клиническая применимость и лицензия по предоставленным данным не установлены.
README от автора на Hugging Face, как он его опубликовал
loss: 0.5226172208786011
f1: 0.8527472527472527
precision: 0.7432950191570882
recall: 1.0
auc: 0.9095966687182644
accuracy: 0.7432950191570882
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · image-classification
Подбираем GPU…