Vit Base Patch16 224 In21k Covid 19 Ct Scans

🚀 vit-base-patch16-224-in21k_covid_19_ct_scans

本模型是一個圖像分類模型，基於預訓練模型微調而來，用於區分CT掃描圖像中是否存在COVID - 19，在評估集上取得了較高的準確率。

🚀 快速開始

本模型是 google/vit-base-patch16-224-in21k 的微調版本。

它在評估集上取得了以下結果：

• 損失值：0.1727
• 準確率：0.94
• F1值：0.9379
• 召回率：0.8947
• 精確率：0.9855

✨ 主要特性

模型描述

這是一個二分類模型，用於區分檢測到COVID - 19的CT掃描圖像和未檢測到的圖像。

有關該模型創建方式的更多信息，請查看以下鏈接：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

預期用途與限制

本模型旨在展示使用技術解決複雜問題的能力。

訓練和評估數據

數據集來源：https://www.kaggle.com/datasets/luisblanche/covidct

數據集中的示例圖像：

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：0.0002
• 訓練批次大小：16
• 評估批次大小：8
• 隨機種子：42
• 優化器：Adam，其中 betas=(0.9, 0.999) 且 epsilon=1e - 08
• 學習率調度器類型：線性
• 訓練輪數：3

訓練結果

框架版本

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

📄 許可證

本模型採用Apache - 2.0許可證。

📦 模型信息