/ Модель

Характеристики

Архитектура
resnet · dense
Базовая модель
resnet-50
Опубликована
27 дек 2024

pneumonia

Классификация изображенийИзображение → label

Дообученная ResNet-50 для классификации изображений, связанных с пневмонией.

8скачиваний за 30 дней0лайковвеса обновлены27 дек 2024

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

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.

Сценарии применения

  • классификация медицинских изображений на тему пневмонии
  • предварительная сортировка изображений лёгких для последующего анализа
  • экспериментальная оценка классификатора пневмонии на изображениях

Ограничения

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.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

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

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ResNetForImageClassification
Ревизия весов
98fd61f

0 моделей