Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 22 апр 2024

Ссылки

Hugging Face

vit-base-chest-xray

abdulelahagr

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer классифицирует рентгеновские снимки грудной клетки.

13скачиваний за 30 дней0лайковвеса обновлены22 апр 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

abdulelahagr/vit-base-chest-xray — модель классификации рентгеновских снимков грудной клетки, созданная дообучением google/vit-base-patch16-224-in21k на наборе данных trpakov/chest-xray-classification. Она использует архитектуру Vision Transformer ViTForImageClassification и содержит 113,2 млн параметров. На оценочной выборке автор сообщает accuracy 0,9742 и loss 0,0856.

Модель предназначена для отнесения рентгеновских изображений грудной клетки к классам набора данных. Лицензия — Apache-2.0. Показатели приведены для оценочной выборки; README не описывает классы, методику оценки и ограничения, поэтому результат сам по себе не подтверждает пригодность модели для клинической диагностики.

Сценарии применения

Классификация рентгеновских снимков грудной клетки
Экспериментальная оценка классификатора на наборе chest-xray-classification
Исследование применения Vision Transformer к медицинским изображениям

Ограничения

README не уточняет набор классов и ограничения оценки; заявленная точность относится только к указанной оценочной выборке. Данных недостаточно, чтобы судить о клинической надёжности модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-chest-xray

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the trpakov/chest-xray-classification dataset. It achieves the following results on the evaluation set:

Loss: 0.0856
Accuracy: 0.9742

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: 0.0002
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.1891	0.1307	100	0.1028	0.9665
0.2123	0.2614	200	0.1254	0.9562
0.0536	0.3922	300	0.1142	0.9691
0.0799	0.5229	400	0.1173	0.9648
0.0537	0.6536	500	0.0856	0.9742
0.0911	0.7843	600	0.2005	0.9425
0.1027	0.9150	700	0.0869	0.9708
0.1011	1.0458	800	0.1063	0.9631
0.0717	1.1765	900	0.1424	0.9588
0.0605	1.3072	1000	0.1525	0.9648
0.0573	1.4379	1100	0.0970	0.9700
0.024	1.5686	1200	0.0867	0.9751
0.0056	1.6993	1300	0.0888	0.9760
0.0051	1.8301	1400	0.1054	0.9768
0.063	1.9608	1500	0.1896	0.9571
0.002	2.0915	1600	0.1886	0.9588
0.005	2.2222	1700	0.1184	0.9734
0.0083	2.3529	1800	0.1084	0.9760
0.0013	2.4837	1900	0.0903	0.9777
0.0298	2.6144	2000	0.1023	0.9734
0.0008	2.7451	2100	0.1104	0.9768
0.0011	2.8758	2200	0.1128	0.9785
0.0006	3.0065	2300	0.1395	0.9734
0.0059	3.1373	2400	0.1419	0.9725
0.0005	3.2680	2500	0.1335	0.9777
0.0005	3.3987	2600	0.1249	0.9768
0.0007	3.5294	2700	0.1157	0.9777
0.0005	3.6601	2800	0.1202	0.9785
0.001	3.7908	2900	0.1239	0.9777
0.0004	3.9216	3000	0.1231	0.9768

Framework versions

Transformers 4.40.0
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

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: ViTForImageClassification
Ревизия весов: bf3d770