ncassamc/wound_3classes_smalldataset

Dataset

wound_classifier_small en local, avec une centaine d'images par classe, venant des datasets publics + Pubmed

Entrainement

Entrainement de la dernière couche seulement, en lui donnant 4 labels : PU, LU, DFU, not_chronic

Hyperparamètres :

• learning_rate=5e-5, # Taux d'apprentissage faible pour du fine-tuning
• per_device_train_batch_size=16, # Nombre d'images traitées en même temps à l'entraînement
• per_device_eval_batch_size=16, # Nombre d'images traitées en même temps pour le test
• num_train_epochs=15, # Nombre de passages complets sur le dataset
• weight_decay=0.01, # Régularisation pour éviter le surapprentissage
• load_best_model_at_end=True, # Charge automatiquement le meilleur modèle trouvé
• metric_for_best_model="accuracy", # Le meilleur modèle sera basé sur l'accuracy de test

Evaluation sur le jeu de test

📊 Rapport de Classification Final :

              precision    recall  f1-score   support

         DFU       0.88      1.00      0.93        21
          LU       0.91      0.77      0.83        26
          PU       0.72      0.72      0.72        25
 not_chronic       0.67      0.70      0.68        20
 
    accuracy                           0.79        92
   macro avg       0.79      0.80      0.79        92
weighted avg       0.80      0.79      0.79        92