Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224
Опубликована: 3 янв 2024

Ссылки

Hugging Face

stool-condition-classification

hossay

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer для классификации изображений стула по состоянию.

246скачиваний за 30 дней3лайкавеса обновлены25 мар 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 hossay/stool-condition-classification — дообученная версия Vision Transformer google/vit-base-patch16-224 для классификации изображений стула по состоянию. Она предназначена для отнесения входного изображения к одному из классов, связанных с состоянием стула. В репозитории указаны результаты на оценочной выборке: accuracy 0,9417, AUROC 0,9418 и F1 0,9302.

Модель содержит 113,2 млн параметров, использует архитектуру ViTForImageClassification и опубликована в формате safetensors. Лицензия — Apache-2.0. Карточка не раскрывает названия классов, состав и размер выборки, условия получения изображений или подробности оценки, поэтому приведённые метрики нельзя считать гарантией качества на других данных.

Сценарии применения

классификация фотографии стула по состоянию
предварительная оценка изображений стула в исследовательском наборе данных
сравнение моделей классификации изображений стула

Ограничения

В README не приведены названия классов, подробности набора данных и протокола оценки; метрики на оценочной выборке не гарантируют качество на новых изображениях. Модель не следует считать самостоятельным медицинским диагнозом.

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 IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

stool-condition-classification

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

Loss: 0.4237
Auroc: 0.9418
Accuracy: 0.9417
Sensitivity: 0.9091
Specificty: 0.9661
Ppv: 0.9524
Npv: 0.9344
F1: 0.9302
Model Selection: 0.9215

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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Auroc	Accuracy	Sensitivity	Specificty	Ppv	Npv	F1	Model Selection
0.5076	0.98	100	0.5361	0.8538	0.7731	0.5393	0.9801	0.96	0.7061	0.6906	0.5592
0.4086	1.96	200	0.4857	0.8728	0.7836	0.6011	0.9453	0.9068	0.7280	0.7230	0.6558
0.5208	2.94	300	0.5109	0.8059	0.7599	0.6124	0.8905	0.8321	0.7218	0.7055	0.7218
0.474	3.92	400	0.5212	0.8601	0.7995	0.6180	0.9602	0.9322	0.7395	0.7432	0.6578
0.4285	4.9	500	0.4511	0.8728	0.7757	0.7472	0.8010	0.7688	0.7816	0.7578	0.9462
0.3506	5.88	600	0.4716	0.8691	0.8047	0.6798	0.9154	0.8768	0.7635	0.7658	0.7644
0.4239	6.86	700	0.5043	0.8517	0.8100	0.6685	0.9353	0.9015	0.7611	0.7677	0.7332
0.2447	7.84	800	0.5804	0.8592	0.8074	0.6910	0.9104	0.8723	0.7689	0.7712	0.7806
0.1739	8.82	900	0.6225	0.8562	0.8074	0.7135	0.8905	0.8523	0.7783	0.7768	0.8229
0.2888	9.8	1000	0.5807	0.8570	0.8047	0.7528	0.8507	0.8171	0.7953	0.7836	0.9021

Framework versions

Transformers 4.38.2
Pytorch 2.0.1
Datasets 2.14.7
Tokenizers 0.15.2

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: ec5c089