license: apache-2.0

皮肤癌图像分类模型

简介

本模型专为皮肤癌图像分类设计，可将图像分类为多种类型，包括良性角化病样病变、基底细胞癌、光化性角化病、血管病变、黑素细胞痣、黑色素瘤和皮肤纤维瘤。

模型概述

• 模型架构：视觉变换器（ViT）
• 预训练模型：采用谷歌16x16图像块大小并在ImageNet21k数据集上训练的ViT模型
• 改进分类头：替换原分类头以适应皮肤癌分类任务

数据集

• 数据集名称：皮肤癌数据集
• 来源：Hugging Face上的Marmal88皮肤癌数据集
• 分类类别：良性角化病样病变、基底细胞癌、光化性角化病、血管病变、黑素细胞痣、黑色素瘤、皮肤纤维瘤

训练参数

• 优化器：学习率为1e-4的Adam优化器
• 损失函数：交叉熵损失
• 批次大小：32
• 训练轮次：5

评估指标

• 训练损失：训练数据集平均损失
• 训练准确率：训练数据集准确率
• 验证损失：验证数据集平均损失
• 验证准确率：验证数据集准确率

训练结果

• 第1轮/5轮：训练损失0.7168，训练准确率0.7586，验证损失0.4994，验证准确率0.8355
• 第2轮/5轮：训练损失0.4550，训练准确率0.8466，验证损失0.3237，验证准确率0.8973
• 第3轮/5轮：训练损失0.2959，训练准确率0.9028，验证损失0.1790，验证准确率0.9530
• 第4轮/5轮：训练损失0.1595，训练准确率0.9482，验证损失0.1498，验证准确率0.9555
• 第5轮/5轮：训练损失0.1208，训练准确率0.9614，验证损失0.1000，验证准确率0.9695

结论

该模型在皮肤癌图像分类任务中表现出良好性能。通过进一步微调或实验探索，有望获得更优的分类效果。