|
|
--- |
|
|
language: es |
|
|
tags: |
|
|
- pytorch |
|
|
- image-classification |
|
|
license: cc-by-nc-nd-4.0 |
|
|
pipeline_tag: image-classification |
|
|
widget: |
|
|
- src: "sample_image1.jpg" |
|
|
example_title: "Ejemplo de Lesión 1" |
|
|
- src: "sample_image2.jpg" |
|
|
example_title: "Ejemplo de Lesión 2" |
|
|
--- |
|
|
|
|
|
# SkinLesionDetector-Transformer |
|
|
|
|
|
Este es un modelo de clasificación de lesiones en la piel basado en el modelo ViT de Google. Está diseñado para detectar y clasificar lesiones en imágenes de la piel. |
|
|
|
|
|
## Uso |
|
|
|
|
|
```python |
|
|
from transformers import AutoImageProcessor, ViTForImageClassification |
|
|
import torch |
|
|
from PIL import Image |
|
|
import requests |
|
|
|
|
|
# Cargar el modelo y el procesador |
|
|
model = ViTForImageClassification.from_pretrained("usuario/SkinLesionDetector-Transformer") |
|
|
processor = AutoImageProcessor.from_pretrained("usuario/SkinLesionDetector-Transformer") |
|
|
|
|
|
# Cargar una imagen de prueba |
|
|
image_url = "URL_DE_LA_IMAGEN" |
|
|
image = Image.open(requests.get(image_url, stream=True).raw) |
|
|
|
|
|
# Preprocesar la imagen |
|
|
inputs = processor(images=image, return_tensors="pt") |
|
|
|
|
|
# Hacer la predicción |
|
|
outputs = model(**inputs) |
|
|
|
|
|
# Obtener la clase predicha |
|
|
predicted_class = outputs.logits.argmax(-1).item() |
|
|
print(f"La clase predicha es: {predicted_class}") |
|
|
|
