Характеристики

Параметры: 58,7 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-base-patch4-window7-224
Опубликована: 13 фев 2024

Ссылки

Hugging Face

Brain-Tumor-Detection

ShimaGh

Классификация изображенийИзображение → label

Дообученная модель Swin Transformer для классификации изображений, предназначенная для обнаружения опухолей мозга.

355скачиваний за 30 дней4лайкавеса обновлены13 фев 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

ShimaGh/Brain-Tumor-Detection — модель компьютерного зрения, дообученная на базе Swin Transformer Base для классификации изображений. Она предназначена для отнесения изображений к классам, связанным с обнаружением опухолей мозга; точный перечень классов и тип изображений в карточке не описаны.

Модель содержит 58,7 млн параметров, использует архитектуру Swin и сохранена в формате safetensors. В README указаны результаты на наборе оценки: accuracy 0,9804 и loss 0,0946. Данных о языковой поддержке и длине контекста нет, поскольку входом служат изображения. Лицензия — Apache-2.0.

Модель может быть полезна для экспериментальной классификации медицинских изображений, однако описание не сообщает состав классов, характеристики обучающих данных и подробности оценки. Приведённая метрика сама по себе не подтверждает пригодность для клинической диагностики.

Сценарии применения

классификация изображений для выявления опухолей мозга
экспериментальная оценка снимков мозга по классам модели
создание прототипа системы анализа медицинских изображений

Ограничения

В карточке не перечислены классы, тип изображений и характеристики обучающих данных; метрики приведены только для оценочного набора. Указанная accuracy не подтверждает пригодность модели для клинической диагностики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Brain-Tumor-Detection

This model is a fine-tuned version of microsoft/swin-base-patch4-window7-224 on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.0946
Accuracy: 0.9804

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	0.92	3	0.4395	0.6667
No log	1.85	6	0.2817	0.9020
No log	2.77	9	0.1354	0.9608
0.3994	4.0	13	0.0956	0.9804
0.3994	4.62	15	0.0946	0.9804

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.17.0
Tokenizers 0.15.1

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: SwinForImageClassification
Ревизия весов: 95f34e1