/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
transformers
Опубликована
30 июн 2025

DermLIP_ViT-B-16

Классификация изображений без дообученияИзображение, текст → label3 профессии

DermLIP ViT-B-16 — CLIP-подобная модель для классификации дерматологических изображений по текстовым меткам и поиска соответствий между изображениями кожи и текстом.

3 764скачиваний за 30 дней12лайковвеса обновлены21 сен 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

DermLIP ViT-B-16 — предварительно обученная CLIP-подобная модель зрения и языка для дерматологии, разработанная авторами Derm1M и обученная на наборе Derm1M с дерматологическими изображениями и текстами. Визуальный энкодер основан на ViT-B/16, текстовый — на GPT-2; изображения обрабатываются с разрешением 224×224 пикселя.

Модель предназначена для классификации изображений кожи по текстовым меткам без примеров, обучения с небольшим числом примеров, поиска соответствий между изображениями и текстом, а также аннотирования и объяснения визуальных понятий. Она формирует совместные представления изображений и текста, пригодные для сравнения с описаниями или названиями классов. Карточка приводит медицинские сценарии, но не подтверждает пригодность модели для самостоятельной постановки диагноза.

В метаданных указаны библиотека Transformers и форматы PyTorch и Safetensors. Лицензия в метаданных — CC-BY-NC-4.0, тогда как README указывает CC-BY-NC-ND-4.0; условия лицензирования следует сверить перед использованием, особенно для коммерческих и производных работ.

Сценарии применения

  • классификация изображений кожи по заданным названиям заболеваний без дообучения
  • сопоставление дерматологических снимков с текстовыми описаниями
  • поиск изображений кожи по текстовому запросу
  • обучение классификатора кожных заболеваний на небольшом числе примеров
  • аннотирование дерматологических изображений

Ограничения

Модель предназначена для исследовательских и вспомогательных сценариев; README не подтверждает её пригодность для самостоятельной диагностики. Лицензия расходится между метаданными и README, поэтому перед применением нужно проверить действующие условия.

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

DermLIP: Dermatology Language-Image Pretraining

Model Description

DermLIP is a vision-language model for dermatology, trained on the Derm1M dataset—the largest dermatological image-text corpus to date.

Model Details

Training Details

  • Training data: 403,563 skin image-text pairs from Derm1M datasets. Images include both dermoscopic and clinical images.
  • Training objective: image-text contrastive loss
  • Hardware: 1 x Nvidia H200 (~40GB memory usage)
  • Hours used: ~5 hours

Intended Uses

Primary Use Cases

  • Zero-shot classification
  • Few-shot learning
  • Cross-modal retrieval
  • Concept annotation/explanation

How to Use

Installation

Accept the access terms above and log in once with huggingface-cli login. Then clone the Derm1M repository:

git clone git@github.com:SiyuanYan1/Derm1M.git
cd Derm1M
···

Then install the package following the instruction in the repository.


### Quick Start
```python
import open_clip
from PIL import Image
import torch

# Load model with huggingface checkpoint
model, _, preprocess = open_clip.create_model_and_transforms(
    'hf-hub:redlessone/DermLIP_ViT-B-16'
)
model.eval()

# Initialize tokenizer
tokenizer = open_clip.get_tokenizer('hf-hub:redlessone/DermLIP_ViT-B-16')

# Read example image
image = preprocess(Image.open("your_skin_image.png")).unsqueeze(0)

# Define disease labels (example: PAD dataset classes)
PAD_CLASSNAMES = [
    "nevus",
    "basal cell carcinoma",
    "actinic keratosis",
    "seborrheic keratosis",
    "squamous cell carcinoma",
    "melanoma"
]

# Build text prompts
template = lambda c: f'This is a skin image of {c}'
text = tokenizer([template(c) for c in PAD_CLASSNAMES])

# Inference
with torch.no_grad(), torch.autocast("cuda"):
    # Encode image and text
    image_features = model.encode_image(image)
    text_features = model.encode_text(text)
    
    # Normalize features
    image_features /= image_features.norm(dim=-1, keepdim=True)
    text_features /= text_features.norm(dim=-1, keepdim=True)
    
    # Compute similarity
    text_probs = (100.0 * image_features @ text_features.T).softmax(dim=-1)

# Get prediction
final_prediction = PAD_CLASSNAMES[torch.argmax(text_probs[0])]
print(f'This image is diagnosed as {final_prediction}.')
print("Label probabilities:", text_probs)

Contact

For any additional questions or comments, contact Siyuan Yan (siyuan.yan@monash.edu),

Cite our Paper

@misc{yan2025derm1m,
  title        = {Derm1M: A Million‑Scale Vision‑Language Dataset Aligned with Clinical Ontology Knowledge for Dermatology},
  author       = {Siyuan Yan and Ming Hu and Yiwen Jiang and Xieji Li and Hao Fei and Philipp Tschandl and Harald Kittler and Zongyuan Ge},
  year         = {2025},
  eprint       = {2503.14911},
  archivePrefix= {arXiv},
  primaryClass = {cs.CV},
  url          = {https://arxiv.org/abs/2503.14911}
}

@article{yan2025multimodal,
  title={A multimodal vision foundation model for clinical dermatology},
  author={Yan, Siyuan and Yu, Zhen and Primiero, Clare and Vico-Alonso, Cristina and Wang, Zhonghua and Yang, Litao and Tschandl, Philipp and Hu, Ming and Ju, Lie and Tan, Gin and others},
  journal={Nature Medicine},
  pages={1--12},
  year={2025},
  publisher={Nature Publishing Group}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · zero-shot-image-classification

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
2509ca1

0 моделей