---
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

![image](https://cdn-uploads.huggingface.co/production/uploads/69b1450664a392f948103448/1O6egpPttdYt2n2usCcJA.png)

```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
```