/ Модель

Характеристики

Контекст
77 токенов
Архитектура
clip · dense
Опубликована
22 мар 2023

ClipMD

Классификация изображений без дообученияИзображение, текст → label3 профессии

ClipMD сопоставляет медицинские изображения с текстовыми описаниями и поддерживает классификацию по заданным текстовым вариантам.

16скачиваний за 30 дней8лайковвеса обновлены27 июн 2023

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

ClipMD — модель сопоставления медицинских изображений с текстом, созданная на основе CLIP от OpenAI и дообученная на наборе данных ROCO. Она предназначена для классификации медицинских изображений по текстовым описаниям без отдельного обучения на каждом наборе классов: модель сравнивает изображение с кандидатными формулировками и оценивает их сходство.

Визуальный энкодер использует Transformer ViT-B/32, а текстовый — Transformer с маскированным вниманием в скользящем окне. Обучение основано на контрастивной функции потерь, повышающей сходство пар «изображение — текст». Модель принимает изображения и текстовые варианты, выдаёт оценки соответствия; карточка указывает поддержку английского языка. Репозиторий содержит веса PyTorch.

Сценарии применения

  • классификация медицинских изображений по текстовым меткам
  • поиск наиболее подходящего описания для медицинского снимка
  • сопоставление медицинских изображений и подписей
  • нулевая классификация изображений в медицинских наборах данных

Ограничения

Модель дообучена на ROCO, поэтому её результаты могут зависеть от сходства целевых изображений и формулировок с этим набором данных. Карточка не приводит количественных оценок качества или сведений о проверке 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

Model Card: ClipMD

Model Details

ClipMD is a medical image-text matching model based on OpenAI's CLIP model with a sliding window text encoder.

Model Description

The model uses a ViT-B/32 Transformer architecture as an image encoder and uses a masked sliding window elf-attention Transformer as a text encoder. These encoders are trained to maximize the similarity of (image, text) pairs via a contrastive loss.

The model was fine-tuned on the ROCO dataset.

Use with Transformers

from PIL import Image

from transformers import AutoProcessor,AutoModel

model = AutoModel.from_pretrained("Idan0405/ClipMD",trust_remote_code=True)
processor = AutoProcessor.from_pretrained("Idan0405/ClipMD")

image = Image.open("your image path")

inputs = processor(text=["chest x-ray", "head MRI"], images=image, return_tensors="pt", padding=True)

outputs = model(**inputs)
logits_per_image = outputs[0] # this is the image-text similarity score
probs = logits_per_image.softmax(dim=1) # we can take the softmax to get the label probabilities

See also

Как запустить

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

GPU в ailist

Универсальный рантайм · zero-shot-image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ClipMDModel
Ревизия весов
9cc2de7

0 моделей