语言: 英语
许可证: Apache-2.0
任务标签: 图像分类
数据集:

• surajbijjahalli/ISIC2018
  基础模型:
• facebook/dinov2-base
  评估指标:
• 准确率
  示例输入:
  • 图片链接: https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/cats.png

基于DINOv2的皮肤病分类模型（ISIC2018数据集）

该模型用于将皮肤病变图像分类为ISIC2018数据集预定义的疾病类别。基于facebook/dinov2-base视觉Transformer架构微调，专为提升医学图像分类任务性能而优化。

模型详情

• 开发者: Karl1hik
• 微调基础模型: facebook/dinov2-base
• 训练数据集: ISIC2018
• 任务类型: 图像分类（皮肤病变诊断）
• 许可协议: Apache 2.0

使用场景

直接应用

本模型可直接用于将ISIC2018数据集中的皮肤镜图像分类为黑色素瘤、痣、基底细胞癌等皮肤病类别。

目标用户

• 医学研究人员
• 皮肤病学辅助诊断
• 从事医学影像分析的机器学习从业者

非适用场景

禁止作为独立诊断工具使用，临床决策不应仅依赖模型预测结果。

调用方式

from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import torch

# 加载图像
image = Image.open("皮肤样本图片.jpg")
# 初始化处理器与模型
processor = AutoImageProcessor.from_pretrained("kar1hik/computer-vision-project")
model = AutoModelForImageClassification.from_pretrained("kar1hik/computer-vision-project")

# 执行预测
inputs = processor(images=image, return_tensors="pt")
with torch.no_grad():
    logits = model(**inputs).logits
predicted_class = logits.argmax(-1).item()  # 获取预测类别