Skin Cancer Image Classification

🚀 皮膚癌圖像分類模型

本模型旨在將皮膚癌圖像分類為多種類別，包括良性角化病樣病變、基底細胞癌、光化性角化病、血管病變、黑素細胞痣、黑色素瘤和皮膚纖維瘤。

✨ 主要特性

• 模型架構：視覺變換器（Vision Transformer, ViT）
• 預訓練模型：谷歌的ViT，補丁大小為16x16，在ImageNet21k數據集上進行預訓練
• 修改的分類頭：替換了分類頭，以使模型適應皮膚癌分類任務

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

文檔未提供代碼示例，故跳過此章節。

📚 詳細文檔

數據集

• 數據集名稱：皮膚癌數據集
• 來源：Marmal88在Hugging Face上的皮膚癌數據集
• 類別：良性角化病樣病變、基底細胞癌、光化性角化病、血管病變、黑素細胞痣、黑色素瘤、皮膚纖維瘤

訓練

• 優化器：Adam優化器，學習率為1e - 4
• 損失函數：交叉熵損失
• 批量大小：32
• 訓練輪數：5

評估指標

• 訓練損失：訓練數據集上的平均損失
• 訓練準確率：訓練數據集上的準確率
• 驗證損失：驗證數據集上的平均損失
• 驗證準確率：驗證數據集上的準確率

結果

🔧 技術細節

本模型使用視覺變換器（ViT）架構，藉助谷歌在ImageNet21k數據集上預訓練的ViT模型，通過替換分類頭來適應皮膚癌圖像分類任務。在訓練過程中，採用Adam優化器和交叉熵損失函數，經過5輪訓練，模型在訓練集和驗證集上均取得了較好的效果。

📄 許可證

本項目採用Apache - 2.0許可證。