conditional_detr_finetuned_rsna_2018

This model is a fine-tuned version of microsoft/conditional-detr-resnet-50 on the imagefolder dataset. It achieves the following results on the evaluation set:

• Loss: 1.5677
• Map: 0.1803
• Map 50: 0.4846
• Map 75: 0.0855
• Map Small: 0.0382
• Map Medium: 0.1840
• Map Large: 0.3268
• Mar 1: 0.1569
• Mar 10: 0.4727
• Mar 100: 0.5551
• Mar Small: 0.2600
• Mar Medium: 0.5593
• Mar Large: 0.7209
• Map Pneumonia: 0.1803
• Mar 100 Pneumonia: 0.5551

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 5e-05
• train_batch_size: 16
• eval_batch_size: 8
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: cosine
• num_epochs: 30

Training results

Training Loss	Epoch	Step	Validation Loss	Map	Map 50	Map 75	Map Small	Map Medium	Map Large	Mar 1	Mar 10	Mar 100	Mar Small	Mar Medium	Mar Large	Map Pneumonia	Mar 100 Pneumonia
No log	1.0	301	1.9488	0.0513	0.1423	0.0284	0.0377	0.0500	0.1513	0.0992	0.2874	0.5043	0.1433	0.5163	0.6419	0.0513	0.5043
2.2805	2.0	602	1.8181	0.0830	0.2514	0.0312	0.0257	0.0860	0.2336	0.1296	0.3520	0.5340	0.1367	0.5524	0.6349	0.0830	0.5340
2.2805	3.0	903	1.7791	0.1209	0.3504	0.0546	0.0745	0.1222	0.2082	0.1402	0.3894	0.5315	0.1800	0.5373	0.7209	0.1209	0.5315
1.8321	4.0	1204	1.7326	0.1502	0.4111	0.0696	0.0687	0.1511	0.2655	0.1565	0.4149	0.5234	0.1733	0.5278	0.7256	0.1502	0.5234
1.7202	5.0	1505	1.6750	0.1687	0.4482	0.0909	0.0735	0.1647	0.3322	0.1576	0.4331	0.5540	0.2567	0.5585	0.7186	0.1687	0.5540
1.7202	6.0	1806	1.6909	0.1545	0.4284	0.0581	0.0423	0.1532	0.3184	0.1362	0.4255	0.5414	0.2933	0.5466	0.6651	0.1545	0.5414
1.682	7.0	2107	1.6553	0.1773	0.4797	0.0769	0.0545	0.1776	0.2898	0.1582	0.4366	0.5387	0.3667	0.5351	0.6930	0.1773	0.5387
1.682	8.0	2408	1.6456	0.1724	0.4565	0.0972	0.0449	0.1717	0.3068	0.1551	0.4437	0.5658	0.1967	0.5766	0.7209	0.1724	0.5658
1.6419	9.0	2709	1.6573	0.1622	0.4276	0.0852	0.0254	0.1647	0.2599	0.1565	0.4387	0.5582	0.2433	0.5646	0.7163	0.1622	0.5582
1.6106	10.0	3010	1.6278	0.1826	0.4852	0.0858	0.0252	0.1842	0.3113	0.1615	0.4441	0.5437	0.2867	0.5488	0.6744	0.1826	0.5437
1.6106	11.0	3311	1.6080	0.1731	0.4664	0.0786	0.0230	0.1781	0.2634	0.1627	0.4609	0.5530	0.25	0.5566	0.7302	0.1731	0.5530
1.588	12.0	3612	1.6030	0.1839	0.4810	0.0916	0.0460	0.1859	0.3233	0.1617	0.4677	0.5638	0.2233	0.5722	0.7209	0.1839	0.5638
1.588	13.0	3913	1.6086	0.1734	0.4531	0.0921	0.0542	0.1737	0.3057	0.1596	0.4621	0.5671	0.2333	0.5759	0.7163	0.1734	0.5671
1.5646	14.0	4214	1.5800	0.1730	0.4562	0.0912	0.0366	0.1747	0.3100	0.1567	0.4644	0.5609	0.2900	0.5639	0.7209	0.1730	0.5609
1.5312	15.0	4515	1.5822	0.1705	0.4566	0.0959	0.0509	0.1730	0.2935	0.1474	0.4654	0.5600	0.2633	0.5646	0.7233	0.1705	0.5600
1.5312	16.0	4816	1.5861	0.1667	0.4606	0.0922	0.0556	0.1673	0.3411	0.1526	0.4731	0.5679	0.2800	0.5707	0.7419	0.1667	0.5679
1.5032	17.0	5117	1.5751	0.1769	0.4898	0.0831	0.0528	0.1766	0.3836	0.1534	0.4615	0.5576	0.2633	0.5627	0.7140	0.1769	0.5576
1.5032	18.0	5418	1.5776	0.1735	0.4671	0.0882	0.0478	0.1745	0.3308	0.1507	0.4675	0.5615	0.2867	0.5641	0.7279	0.1735	0.5615
1.4755	19.0	5719	1.5677	0.1726	0.4612	0.0800	0.0465	0.1745	0.3157	0.1513	0.4729	0.5677	0.3067	0.5707	0.7209	0.1726	0.5677
1.4443	20.0	6020	1.5620	0.1801	0.4676	0.0913	0.0390	0.1828	0.3136	0.1586	0.4640	0.5534	0.3033	0.5534	0.7279	0.1801	0.5534
1.4443	21.0	6321	1.5681	0.1695	0.4654	0.0804	0.0523	0.1718	0.3198	0.1542	0.4702	0.5553	0.2867	0.5578	0.7186	0.1695	0.5553
1.4177	22.0	6622	1.5607	0.1755	0.4630	0.0964	0.0368	0.1784	0.3274	0.1503	0.4803	0.5640	0.2767	0.5698	0.7093	0.1755	0.5640
1.4177	23.0	6923	1.5607	0.1727	0.4731	0.0842	0.0437	0.1761	0.3094	0.1536	0.4708	0.5613	0.3000	0.5634	0.7233	0.1727	0.5613
1.3905	24.0	7224	1.5741	0.1828	0.4882	0.0895	0.0526	0.1836	0.3334	0.1557	0.4729	0.5582	0.2533	0.5629	0.7256	0.1828	0.5582
1.3678	25.0	7525	1.5690	0.1813	0.4763	0.0865	0.0422	0.1849	0.3365	0.1584	0.4683	0.5547	0.2633	0.5583	0.7233	0.1813	0.5547
1.3678	26.0	7826	1.5682	0.1801	0.4813	0.0878	0.0337	0.1854	0.3141	0.1524	0.4733	0.5553	0.2633	0.5598	0.7163	0.1801	0.5553
1.3564	27.0	8127	1.5674	0.1799	0.4849	0.0936	0.0397	0.1841	0.3230	0.1540	0.4743	0.5569	0.2633	0.5615	0.7186	0.1799	0.5569
1.3564	28.0	8428	1.5669	0.1792	0.4826	0.0939	0.0356	0.1832	0.3217	0.1553	0.4733	0.5553	0.2567	0.5602	0.7163	0.1792	0.5553
1.3456	29.0	8729	1.5679	0.1808	0.4848	0.0931	0.0382	0.1844	0.3260	0.1580	0.4733	0.5561	0.2600	0.5607	0.7186	0.1808	0.5561
1.3366	30.0	9030	1.5677	0.1803	0.4846	0.0855	0.0382	0.1840	0.3268	0.1569	0.4727	0.5551	0.2600	0.5593	0.7209	0.1803	0.5551

Framework versions

• Transformers 4.43.3
• Pytorch 2.4.0+cu121
• Datasets 2.20.0
• Tokenizers 0.19.1