Дообученная модель ViT-384 классифицирует изображения языка по наличию трещин, красных точек и следов зубов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель e1010101/vit-384-tongue-image — дообученный Vision Transformer на базе ViT-384 от Google для многометочной классификации изображений языка. Она предсказывает наличие или отсутствие трёх признаков: трещин, красных точек и следов зубов. Модель содержит 113,2 млн параметров и опубликована в формате safetensors для использования с библиотекой Transformers.
Модель предназначена для автоматической разметки фотографий языка по указанным визуальным признакам. README не указывает лицензию или клинические гарантии; классификацию не следует считать диагнозом.
Модель предназначена только для трёх указанных признаков; её клиническая точность и применимость для постановки диагноза в карточке не подтверждены. Лицензия не указана в предоставленных данных.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
A fine-tune of Google's ViT-384 model for multi-label image classification on tongue images.
The model will predict the presence/absence of three features; Cracks, Red Dots and Toothmarks.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · image-classification
Подбираем GPU…