yolos-small-Abdomen_MRI

DunnBC22
Detección de objetos

Este modelo es una versión ajustada de hustvl/yolos-small. Está diseñado para demostrar mi capacidad para resolver un problema complejo utilizando tecnología.

Como usar

El siguiente modelo fue entrenado usando los siguientes hiperparámetros:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 15

Resultados del entrenamiento:

Metric Name                    Value
-------------------------------------
Promedio de Precisión (AP)
0.50:0.95, todos, 100           0.453
0.50, todos, 100                0.928
0.75, todos, 100                0.319
0.50:0.95, pequeño, 100         -1.000
0.50:0.95, mediano, 100         0.426
0.50:0.95, grande, 100          0.457
Promedio de Recuerdo (AR)
0.50:0.95, todos, 1             0.518
0.50:0.95, todos, 10            0.645
0.50:0.95, todos, 100           0.715
0.50:0.95, pequeño, 100         -1.000
0.50:0.95, mediano, 100         0.633
0.50:0.95, grande, 100          0.716

Para más detalles, puede consultar la descripción completa del modelo aquí.

Funcionalidades

Detección de objetos
Transformadores
PyTorch
TensorBoard

Casos de uso

Demostrar la capacidad de resolver problemas complejos utilizando tecnología