Views
No views yet
| 指标 | 值 |
|---|---|
| 准确率 | 90.22% |
| 宏平均 F1 | 84.53% |
| 平衡准确率 | 85.01% |
| df 召回率 | 100% (从基线 16.7% 提升) |
| 名称 | 文件 | 模型结构 | 分辨率 | 说明 |
|---|---|---|---|---|
| v18-380 (主模型) | best_model.pth | EfficientNet-B4 + 双向交叉注意力 | 380×380 | 90.22% acc, 84.53% F1 |
| v19-Swin | my_v19_swin.pth | Swin Transformer + 交叉注意力 | 380×380 | Swin 消融实验，90.72% acc |
| v18-improved | my_v18_improved.pth | EfficientNet-B4 + 交叉注意力 | 224×224 | v18 改进版 |
| v18 | my_v18.pth | EfficientNet-B4 + 交叉注意力 | 224×224 | 基础版 |
| v16 | my_v16.pth | EfficientNet-B4 + 注意力融合 | 224×224 | 早期原型 |
1# 主模型
2from model_v18_380 import Multimodal_V4_BiDirectional_Res
3model = Multimodal_V4_BiDirectional_Res(num_classes=7, metadata_feature_dim=19, pretrained=False)
4model.load_state_dict(torch.load("best_model.pth", map_location="cpu"))
5
6# Swin 消融实验
7from model_v19 import MultimodalWithSwinCrossAttention
8model = MultimodalWithSwinCrossAttention(num_classes=7, metadata_feature_dim=19)
9model.load_state_dict(torch.load("my_v19_swin.pth", map_location="cpu"))