Характеристики

Параметры: 113 млн
Архитектура: vit · dense
Опубликована: 22 апр 2024

Ссылки

Hugging Face

vit-pretraining-2024_04_02-atelectasis-classifier

jaypratap

Классификация изображенийИзображение → label3 профессии

ViT-классификатор рентгеновских изображений, обученный с нуля для классификации ателектаза.

125скачиваний 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

jaypratap/vit-pretraining-2024_04_02-atelectasis-classifier — классификатор рентгеновских изображений на основе Vision Transformer (ViT), обученный с нуля. В модели около 113,2 млн параметров; веса сохранены в формате safetensors. Она предназначена для отнесения изображений к классам, связанным с ателектазом.

На оценочном наборе указаны accuracy 0,7644 и loss 0,5020. README не описывает состав классов, данные и условия оценки, поэтому эти результаты не позволяют судить о качестве на других наборах или в клинической практике. Модель рассчитана на входные изображения и выдаёт классификацию; сведений о поддерживаемых языках нет. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация рентгеновских снимков по наличию ателектаза
экспериментальная оценка классификатора на наборах медицинских изображений
сравнение ViT-моделей для классификации рентгеновских снимков

Ограничения

README приводит метрики на оценочном наборе, но не раскрывает его состав, классы и протокол оценки; обобщение результатов на другие данные не установлено. Нет оснований считать модель проверенной для клинического применения.

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 I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-pretraining-2024_04_02-atelectasis-classifier

This model was trained from scratch on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.5020
Accuracy: 0.7644

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: 5e-06
train_batch_size: 4
eval_batch_size: 4
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.2
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.6304	1.0	537	0.6342	0.6709
0.5931	2.0	1074	0.5669	0.7207
0.5027	3.0	1611	0.5397	0.7393
0.5659	4.0	2148	0.5341	0.7458
0.5115	5.0	2685	0.5433	0.7346
0.5108	6.0	3222	0.5454	0.7309
0.5187	7.0	3759	0.5136	0.7621
0.4435	8.0	4296	0.5057	0.7677
0.583	9.0	4833	0.5042	0.7584
0.5256	10.0	5370	0.5249	0.7495
0.4818	11.0	5907	0.5212	0.7481
0.5575	12.0	6444	0.5061	0.7481
0.3572	13.0	6981	0.5042	0.7602
0.489	14.0	7518	0.5004	0.7709
0.4773	15.0	8055	0.5074	0.7700
0.4577	16.0	8592	0.5054	0.7677
0.4619	17.0	9129	0.5021	0.7686
0.3865	18.0	9666	0.5074	0.7644
0.4889	19.0	10203	0.5113	0.7598
0.4637	20.0	10740	0.5020	0.7644

Framework versions

Transformers 4.39.0.dev0
Pytorch 2.2.1+cu121
Datasets 2.18.0
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: e9310f4