| --- |
| 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 |
| |
|  |
| |
| ```text |
| 📊 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 |
| ``` |
