Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224
Библиотека: transformers
Опубликована: 4 апр 2026

Ссылки

Hugging Face

retinal_disease_model

eliasteikari

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT для классификации изображений сетчатки по категориям заболеваний.

44скачиваний за 30 дней0лайковвеса обновлены4 апр 2026

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

retinal_disease_model — дообученная Elias Teikari модель Vision Transformer для классификации изображений сетчатки по категориям заболеваний. Она основана на google/vit-base-patch16-224, содержит 113,2 млн параметров и предназначена для сценариев, где нужно автоматически отнести изображение к одному из классов. Репозиторий использует библиотеку Transformers и формат весов safetensors.

На оценочном наборе указаны loss 0,8147 и accuracy 0,6062. Состав классов, набор данных и подробности оценки не описаны, поэтому эти результаты не позволяют судить о клинической точности модели или её применимости к изображениям из других источников. Лицензия — Apache-2.0.

Сценарии применения

классификация снимков сетчатки по категориям заболеваний
первичная сортировка изображений глазного дна для исследовательского анализа
эксперименты с классификацией медицинских изображений на базе ViT

Ограничения

В README указаны accuracy 0,6062 и loss 0,8147, но неизвестны набор данных, классы и протокол оценки; обобщение на другие изображения и клиническая надёжность не установлены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

retinal_disease_model

This model is a fine-tuned version of google/vit-base-patch16-224 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.8147
Accuracy: 0.6062

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: 2e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
num_epochs: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.5345	1.0	293	1.3042	0.3991
1.2525	2.0	586	1.3418	0.3633
1.0851	3.0	879	1.2063	0.5008
0.9413	4.0	1172	1.0855	0.4971
0.8212	5.0	1465	0.9673	0.4848
0.7118	6.0	1758	0.9683	0.5350
0.6451	7.0	2051	0.8728	0.6009
0.5910	8.0	2344	0.8177	0.5939
0.5518	9.0	2637	0.8230	0.5993
0.5383	10.0	2930	0.8147	0.6062

Framework versions

Transformers 5.0.0
Pytorch 2.10.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: ViTForImageClassification
Ревизия весов: d9997b1