ncassamc/binary_classification_Wound_vs_notWound

Algo de classification binaire, notWound vs Wound

Dataset

datasetWoundvs_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