基于microsoft/resnet-50微调的脑肿瘤图像分类模型,在评估集上准确率达到91.71%
下载量 472
发布时间 : 2/25/2023
模型简介
该模型是基于ResNet-50架构微调的图像分类模型,专门用于脑肿瘤图像的识别与分类。
模型特点
高准确率
在脑肿瘤图像分类任务上达到91.71%的准确率
微调优化
基于成熟的ResNet-50架构进行针对性微调
高效训练
采用Adam优化器和线性学习率调度器进行高效训练
模型能力
脑肿瘤图像分类
医学图像分析
使用案例
医疗诊断
脑肿瘤辅助诊断
辅助医生进行脑肿瘤的初步筛查和分类
准确率91.71%
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文