Clasificación de Imágenes de Cáncer de Piel
Anwarkh1
Clasificación de imagen
Este modelo está diseñado para la clasificación de imágenes de cáncer de piel en varias categorías, incluyendo lesiones benignas tipo queratosis, carcinoma de células basales, queratosis actínica, lesiones vasculares, nevos melanocíticos, melanoma y dermatofibroma. Utiliza la arquitectura Vision Transformer (ViT) pre-entrenada en el dataset ImageNet21k de Google y ha sido adaptado específicamente para la clasificación de cáncer de piel mediante una cabeza de clasificación modificada.
Como usar
Este modelo aún no tiene suficiente actividad para ser desplegado en la API de Inferencia (serverless). Aumente su visibilidad social y vuelva a intentarlo más tarde, o despliegue en Endpoints de Inferencia (dedicados).
Funcionalidades
- Arquitectura del modelo: Vision Transformer (ViT)
- Modelo pre-entrenado: ViT de Google con tamaño de parche 16x16 entrenado en el dataset ImageNet21k
- Cabeza de clasificación modificada para la tarea de clasificación de cáncer de piel
- Optimizador: Adam con una tasa de aprendizaje de 1e-4
- Función de pérdida: Pérdida de Entropía Cruzada
- Tamaño del lote: 32
- Número de épocas: 5
- Tamaño del modelo: 85.8 millones de parámetros
- Tipo de tensor: F32
Casos de uso
- Clasificación de imágenes de cáncer de piel en varias categorías como lesiones benignas tipo queratosis, carcinoma de células basales, queratosis actínica, lesiones vasculares, nevos melanocíticos, melanoma y dermatofibroma.
- Mejorar la precisión en el diagnóstico de cáncer de piel mediante la utilización de un modelo de aprendizaje profundo.