Swin Tiny Patch4 Window7 224 Finetuned Skin Cancer

🚀 swin-tiny-patch4-window7-224-finetuned-skin-cancer

このモデルは、画像分類タスクに特化したモデルです。microsoft/swin-tiny-patch4-window7-224 を imagefolder データセットでファインチューニングして作成されており、皮膚がんの画像分類に高い精度を発揮します。

🚀 クイックスタート

このモデルは、皮膚がんの画像分類に特化したモデルです。評価セットでは以下の結果を達成しています。

• 損失: 0.7695
• 精度: 0.7275

✨ 主な機能

• 皮膚がんの画像を分類できます。分類可能な疾患は、'Actinic-keratoses'、'Basal-cell-carcinoma'、'Benign-keratosis-like-lesions'、'Dermatofibroma'、'Melanocytic-nevi'、'Melanoma'、'Vascular-lesions' です。
• Google Colab を使用して、Kaggle から皮膚がんの画像データセットをインポートし、ファインチューニングすることができます。

📚 ドキュメント

モデルの説明

このモデルは、Kaggle の皮膚がんの画像データセット（https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000 ）を Google Colab にインポートして作成されました。その後、画像分類のチュートリアル（https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb ）を使用して、以下のノートブックを取得しました。

https://colab.research.google.com/drive/1bMkXnAvAqjX3J2YJ8wXTNw2Z2pt5KCjy?usp=sharing

皮膚の例

想定される用途と制限

詳細情報は後日追加予定です。

学習と評価データ

詳細情報は後日追加予定です。

学習手順

学習ハイパーパラメータ

学習時には以下のハイパーパラメータが使用されました。

• learning_rate: 5e-05
• train_batch_size: 32
• eval_batch_size: 32
• seed: 42
• gradient_accumulation_steps: 4
• total_train_batch_size: 128
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_ratio: 0.1
• num_epochs: 1

学習結果

フレームワークのバージョン

• Transformers 4.20.1
• Pytorch 1.11.0+cu113
• Datasets 2.3.2
• Tokenizers 0.12.1

📄 ライセンス

このモデルは Apache-2.0 ライセンスの下で提供されています。