metadata
license: apache-2.0
base_model:
- google/vit-base-patch16-224
Algo de classification binaire, notWound vs Wound
Dataset
dataset_Wound_vs_notWound en local, 6000 images
- Wound (3000 images)
- kaggle
- pubmed
- notWoudn (3000 images)
- Imagenette (500)
- Parties du corps (1000)
- Fruits/legumes (100)
- Pizza (300)
- Coco DS (500)
- Skin diseases (200)
- Viande et fruits de mer (450)
Entrainement
Blocs dégeles : le bloc de classification et les 4 derniers blocs de l'encodeur ViT (8, 9, 10, 11)
Hyperparamètres
- EPOCHS = 5
- LEARNING_RATE = 5e-5
- fonction de Loss utilisée : CrossEntropyLoss
- optimiseur AdamW
- weight_decay=0.01
- planificateur du taux d'apprentissage : 10% du temps à s'échauffer
Evaluation sur le jeu de test
📊 RAPPORT DE CLASSIFICATION :
precision recall f1-score support
notWound 0.99 0.98 0.99 313
Wound 0.99 0.99 0.99 340
accuracy 0.99 653
macro avg 0.99 0.99 0.99 653
weighted avg 0.99 0.99 0.99 653