许可证: apache-2.0
标签:

• 训练生成
  数据集:
• 图像文件夹
  评估指标:
• 准确率
• F1分数
• 召回率
• 精确率
  模型索引:
• 名称: vit-base-patch16-224-in21k_covid_19_ct_scans
  结果:
  • 任务:
    名称: 图像分类
    类型: image-classification
    数据集:
    名称: 图像文件夹
    类型: imagefolder
    配置: 默认
    分割: 训练
    参数: 默认
    评估指标:
    • 名称: 准确率
      类型: accuracy
      值: 0.94
    • 名称: F1分数
      类型: f1
      值: 0.9379310344827586
    • 名称: 召回率
      类型: recall
      值: 0.8947368421052632
    • 名称: 精确率
      类型: precision
      值: 0.9855072463768116
      语言:
• en
  管道标签: image-classification

vit-base-patch16-224-in21k_covid_19_ct_scans

该模型是基于google/vit-base-patch16-224-in21k微调而成的版本。

在评估集上取得了以下结果:

• 损失: 0.1727
• 准确率: 0.94
• F1分数: 0.9379
• 召回率: 0.8947
• 精确率: 0.9855

模型描述

这是一个用于区分检测到COVID-19的CT扫描与未检测到的CT扫描的二元分类模型。

有关其创建过程的更多信息，请查看以下链接: https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Image%20Classification/Binary%20Classification/COVID19%20Lung%20CT%20Scans/COVID19_Lung_CT_Scans_ViT.ipynb

预期用途与限制

该模型旨在展示我使用技术解决复杂问题的能力。

训练与评估数据

数据集来源: https://www.kaggle.com/datasets/luisblanche/covidct

数据集中的样本图像:

训练过程

训练超参数

训练过程中使用了以下超参数:

• 学习率: 0.0002
• 训练批次大小: 16
• 评估批次大小: 8
• 随机种子: 42
• 优化器: Adam，参数为betas=(0.9,0.999)和epsilon=1e-08
• 学习率调度器类型: linear
• 训练轮数: 3

训练结果

框架版本

• Transformers 4.22.2
• Pytorch 1.12.1
• Datasets 2.5.2
• Tokenizers 0.12.1