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