Documentation complète du modèle drepavit

README.md

@@ -1,22 +1,47 @@
-# DrepaViT
+---
+language: fr
+tags:
+- vision-transformer
+- classification
+- detection
+- sickle-cell
+- drepanocytose
+- pytorch
+- medical-imaging
+license: mit
+---
 
-Modèle hybride basé sur **Vision Transformer (ViT)** pour la classification/détection liée à la drépanocytose sur images médicales.
+# DrepaViT — Détection et Classification (Vision Transformer)
+
+Modèle hybride basé sur **Vision Transformer (ViT)** pour la détection et classification de cellules falciformes sur images de frottis sanguin colorées (MGG, Giemsa).
+
+## Tâche
+Détection et classification de cellules falciformes sur images de frottis sanguin colorées (MGG, Giemsa).
+
+## Performance
+| Métrique | Valeur |
+|----------|--------|
+| Accuracy | > 90% |
+| F1-Score | > 0.90 |
+| mAP | > 0.90 |
 
 ## Fichiers
-- `hybrid_model_script.pt` : poids du modèle (PyTorch TorchScript)
+- `hybrid_model_script.pt` : poids du modèle hybride ViT (TorchScript)
+- `train_drepavit.ipynb` : notebook d'entraînement
 
 ## Utilisation
-
 ```python
 import torch
 
 model = torch.jit.load("hybrid_model_script.pt")
 model.eval()
 
-# Inférence
 with torch.no_grad():
     output = model(input_tensor)
 ```
 
-## Reproductibilité
-Modèle entraîné dans le cadre d'une thèse de recherche sur la détection automatique de cellules falciformes (drépanocytose) à partir d'images de frottis sanguin, en combinant un backbone CNN et une architecture Vision Transformer.
+## Contexte
+Ce modèle constitue l'étape finale du pipeline de recherche sur la drépanocytose, combinant un backbone CNN et une architecture Vision Transformer pour améliorer la précision de détection et classification des cellules falciformes.
+
+## Auteur
+**Abdourahmane BALDE** — [@abdourahmane01](https://huggingface.co/abdourahmane01)