Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 17 июн 2024

Ссылки

Hugging Face

vit-base-patch16-224-in21k-enhanced-ham10000

spycoder

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer для классификации изображений дерматологических поражений.

248скачиваний за 30 дней0лайковвеса обновлены17 июн 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 spycoder/vit-base-patch16-224-in21k-enhanced-ham10000 — дообученная версия Vision Transformer google/vit-base-patch16-224-in21k, разработанная для классификации изображений. Она содержит 113,2 млн параметров и предназначена для распознавания классов на изображениях дерматологических поражений; обучение проводилось на наборе ahishamm/HAM_db_enhanced_balanced_reduced_50_20_20_50. На указанном в карточке наборе оценки модель показала accuracy 0,8451 и loss 0,5305.

Модель принимает изображения и выдаёт метки классов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает классы, методику оценки и ограничения применения, поэтому результаты не подтверждают пригодность для клинической диагностики.

Сценарии применения

классификация изображений кожных поражений
распознавание классов дерматологических изображений
экспериментальная оценка классификатора на наборе HAM

Ограничения

В карточке не приведены перечень классов и подробности оценки, а метрика на указанном наборе сама по себе не подтверждает диагностическую надёжность. Не следует использовать модель как единственное основание для клинических решений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-beans

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the ahishamm/HAM_db_enhanced_balanced_reduced_50_20_20_50 dataset. It achieves the following results on the evaluation set:

Loss: 0.5305
Accuracy: 0.8451

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: 4
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.0791	0.2304	100	1.0348	0.6335
0.9415	0.4608	200	0.9576	0.6449
0.7839	0.6912	300	0.8963	0.6662
0.7181	0.9217	400	0.8479	0.6963
0.3995	1.1521	500	0.7821	0.7170
0.5025	1.3825	600	0.6300	0.7837
0.4985	1.6129	700	0.7059	0.7490
0.4388	1.8433	800	0.5893	0.7857
0.2389	2.0737	900	0.5929	0.8077
0.2767	2.3041	1000	0.5795	0.8091
0.2387	2.5346	1100	0.6100	0.8091
0.1691	2.7650	1200	0.6175	0.8071
0.1738	2.9954	1300	0.5877	0.8198
0.0397	3.2258	1400	0.5766	0.8358
0.03	3.4562	1500	0.5681	0.8371
0.092	3.6866	1600	0.5305	0.8451
0.0416	3.9171	1700	0.5443	0.8471

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

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: 13b148c