Skin Cancer Image Classification
基於視覺變換器(ViT)的皮膚癌圖像分類模型,可識別7種皮膚病變類型
Downloads 3,309
Release Time : 3/8/2024
Model Overview
該模型採用ViT架構,專為皮膚癌圖像分類設計,能夠將皮膚病變圖像分類為7種不同類型,包括良性角化病樣病變、基底細胞癌等。
Model Features
高性能ViT架構
採用在ImageNet21k上預訓練的視覺變換器模型,具有強大的圖像特徵提取能力
專業醫療分類
針對7種皮膚癌相關病變類型優化,分類準確率高
快速收斂
僅需5輪訓練即可達到96.95%的驗證準確率
Model Capabilities
皮膚病變圖像分類
醫療圖像分析
皮膚病輔助診斷
Use Cases
醫療輔助診斷
皮膚癌篩查
用於輔助醫生進行皮膚癌早期篩查
驗證準確率達96.95%
皮膚病分類
自動分類7種常見皮膚病變類型
訓練準確率達96.14%
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 Chinese
R
uer
2,694
98