ncassamc/binary_classification_Wound_vs_notWound

Algo de classification binaire, notWound vs Wound

Dataset

dataset_Wound_vs_notWound en local, 6000 images

• Wound (3000 images)
  • kaggle
  • pubmed
• notWoudn (3000 images)
  • Imagenette (500)
  • Parties du corps (1000)
  • Fruits/legumes (100)
  • Pizza (300)
  • Coco DS (500)
  • Skin diseases (200)
  • Viande et fruits de mer (450)

Entrainement

Blocs dégeles : le bloc de classification et les 4 derniers blocs de l'encodeur ViT (8, 9, 10, 11)

Hyperparamètres

• EPOCHS = 5
• LEARNING_RATE = 5e-5
• fonction de Loss utilisée : CrossEntropyLoss
• optimiseur AdamW
• weight_decay=0.01
• planificateur du taux d'apprentissage : 10% du temps à s'échauffer

Evaluation sur le jeu de test

📊 RAPPORT DE CLASSIFICATION :
              precision    recall  f1-score   support

    notWound       0.99      0.98      0.99       313
       Wound       0.99      0.99      0.99       340

    accuracy                           0.99       653
   macro avg       0.99      0.99      0.99       653
weighted avg       0.99      0.99      0.99       653