/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-base-patch16-224-in21k
Опубликована
30 апр 2023

diabetic-retinopathy-224-procnorm-vit

Классификация изображенийИзображение → label3 профессии

Модель Vision Transformer для классификации изображений сетчатки при скрининге диабетической ретинопатии.

182скачиваний за 30 дней2лайкавеса обновлены18 сен 2023

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 rafalosa/diabetic-retinopathy-224-procnorm-vit — Vision Transformer ViT-Base, дообученный на наборе данных diabetic retinopathy для классификации изображений сетчатки. Она содержит 113,2 млн параметров и принимает изображения размером 224 × 224 пикселя.

Модель предназначена для автоматической классификации изображений при скрининге диабетической ретинопатии. На оценочном наборе данных указаны точность 0,7431 и функция потерь 0,7578. Эти результаты относятся к приведённой оценке и сами по себе не подтверждают пригодность модели для клинических решений.

Весовые файлы доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает классы предсказаний и подробности оценки, поэтому модель следует рассматривать как вспомогательный инструмент, а не как замену медицинской диагностики.

Сценарии применения

  • классификация снимков сетчатки при скрининге диабетической ретинопатии
  • автоматическая сортировка изображений глазного дна для последующей проверки специалистом
  • эксперименты с компьютерным зрением для выявления диабетической ретинопатии

Ограничения

Указанная точность на оценочном наборе составляет 0,7431; состав классов и детали оценки в карточке не раскрыты. Результаты не подтверждают пригодность для клинической диагностики.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

diabetic-retinopathy-224-procnorm-vit

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the diabetic retinopathy dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7578
  • Accuracy: 0.7431

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: 4e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossAccuracy
0.86191.0500.89070.7143
0.78312.01000.78580.7393
0.69063.01500.74120.7531
0.59344.02000.75280.7393
0.52765.02500.75780.7431

Framework versions

  • Transformers 4.28.1
  • Pytorch 2.0.0
  • Datasets 2.12.0
  • Tokenizers 0.13.3

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
cf1956e

0 моделей