Détection du Cancer — YOLOv8 (n/s/m)
Benchmark de 3 variantes YOLOv8 pour la localisation du cancer. YOLOv8m : test mAP50=0,6782, Précision=0,7633, F1=0,6941. 1 968 images d'entraînement. Export ONNX (49,8 Mo) + TorchScript (99,1 Mo).
1 968 images de cancer, 1 classe, ~1,1 bbox/image
Benchmark de 3 variantes YOLOv8 avec export ONNX + TorchScript pour le déploiement
Benchmark YOLOv8 pour la détection du cancer dans des images médicales.
Données
- ▸1 968 entraînement / 185 validation / 94 test — 1 classe : cancer
- ▸Distribution des tailles de lésions : asymétrique à gauche (beaucoup de petites, peu de grandes)
Comparaison 3 modèles (ensemble de test)
| Modèle | mAP50 | mAP50-95 | Précision | Rappel | F1 |
|---|---|---|---|---|---|
| YOLOv8n (3,2M) | 0,6191 | — | — | — | — |
| YOLOv8s (11,2M) | 0,5879 | — | — | — | — |
| YOLOv8m (25,9M) | 0,6782 | 0,2305 | 0,7633 | 0,6364 | 0,6941 |
Configuration d'entraînement 50 époques, batch automatique, précision mixte FP16, augmentation mosaïque, AdamW, patience=10
Exports pour déploiement
| Format | Taille |
|---|---|
| ONNX (FP16) | 49,8 Mo |
| TorchScript | 99,1 Mo |
Résultat clé Sur l'ensemble de test, YOLOv8m surpasse nano et small malgré le petit dataset. Les poids COCO préentraînés transfèrent des connaissances de détection pertinentes même pour les images médicales.