Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Базовая модель: resnet-50
Библиотека: transformers
Опубликована: 26 авг 2024

Ссылки

Hugging Face

resnet-pretrained-brain-mri

andrei-teodor

Классификация изображенийИзображение → label3 профессии

Дообученная ResNet-50 для классификации МРТ головного мозга по классам датасета BrainMRI.

69скачиваний за 30 дней0лайковвеса обновлены28 авг 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

Модель andrei-teodor/resnet-pretrained-brain-mri — дообученная для классификации снимков МРТ головного мозга сверточная ResNet-50 на базе microsoft/resnet-50. Она предназначена для отнесения изображений к классам датасета BrainMRI. В репозитории указана точность 0,5228 на оценочной выборке и значение функции потерь 1,1450.

Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает состав классов и ограничения применения, поэтому результаты следует интерпретировать с учётом этого пробела; приведённая метрика сама по себе не подтверждает пригодность для клинической диагностики.

Сценарии применения

Классификация изображений МРТ головного мозга
Экспериментальная оценка классификатора на данных BrainMRI
Исследование применения ResNet-50 к медицинским изображениям

Ограничения

На оценочной выборке указана точность 0,5228; состав классов и подробные ограничения в карточке не раскрыты. Эта метрика не подтверждает пригодность модели для клинической диагностики.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

resnet-pretrained-brain-mri

This model is a fine-tuned version of microsoft/resnet-50 on the BrainMRI dataset. It achieves the following results on the evaluation set:

Loss: 1.1450
Accuracy: 0.5228

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: 0.0003
train_batch_size: 32
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 20

Training results

Training Loss	Epoch	Step	Accuracy	Validation Loss
No log	1.0	72	0.4704	1.2440
1.2771	2.0	144	0.5575	1.1610
1.1543	3.0	216	0.6446	1.0949
1.1543	4.0	288	0.6812	1.0361
1.0664	5.0	360	0.6742	1.0100
0.9998	6.0	432	0.7003	0.9687
0.9537	7.0	504	0.6986	0.9484
0.9537	8.0	576	0.6934	0.9285
0.9239	9.0	648	0.7108	0.8992
0.893	10.0	720	0.7369	0.8723
0.893	11.0	792	0.7334	0.8635
0.8726	12.0	864	0.7474	0.8589
0.8482	13.0	936	0.7160	0.8423
0.8461	14.0	1008	0.7300	0.8481
0.8461	15.0	1080	0.7352	0.8312
0.8267	16.0	1152	0.7247	0.8319
0.8163	17.0	1224	0.7456	0.8136
0.8163	18.0	1296	0.7474	0.8151
0.8126	19.0	1368	0.7596	0.8071
0.8022	20.0	1440	0.7491	0.8210

Framework versions

Transformers 4.44.2
Pytorch 2.3.0+cu121
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ResNetForImageClassification
Ревизия весов: fb3e66f