segformer-b0开源图像分割模型 - 基于nvidia/mit-b3微调，数据集表现优异

Home

Segformer B0 Finetuned Morphpadver1 Hgo Coord V3 1

Developed by NICOPOI-9

基于nvidia/mit-b3微调的图像分割模型，在NICOPOI-9/morphpad_coord_hgo_512_4class_v2数据集上表现优异

图像分割

Transformers

Open Source License:Other #高精度图像分割 #医学图像处理 #99.8%交并比

Downloads 18

Release Time : 4/26/2025

Model Overview

该模型是基于SegFormer架构的语义分割模型，专门针对特定图像分割任务进行了微调，在评估集上达到了99.81%的平均交并比和99.90%的准确率。

Model Features

高精度分割

在评估集上达到99.81%的平均交并比和99.90%的准确率

高效训练

使用AdamW优化器和线性学习率调度器，在60轮训练中快速收敛

多角度适应

模型在0-0、0-90、90-0和90-90四种不同角度配置下均表现优异

Model Capabilities

图像语义分割

高精度像素级分类

多角度图像分析

Use Cases

医学图像分析

组织分割

可用于医学图像中的特定组织区域分割

高精度分割结果

工业检测

缺陷检测

可用于工业产品表面的缺陷检测和定位

🚀 segformer-b0-finetuned-morphpadver1-hgo-coord-v3_1

该模型是在NICOPOI - 9/morphpad_coord_hgo_512_4class_v2数据集上对nvidia/mit-b3进行微调后的版本。它在评估集上取得了以下优异结果：

损失值：0.0117
平均交并比（Mean Iou）：0.9981
平均准确率：0.9990
整体准确率：0.9990
准确率 0 - 0：0.9995
准确率 0 - 90：0.9985
准确率 90 - 0：0.9988
准确率 90 - 90：0.9993
交并比 0 - 0：0.9991
交并比 0 - 90：0.9979
交并比 90 - 0：0.9976
交并比 90 - 90：0.9978

📚 详细文档

模型描述

该模型是基于nvidia/mit-b3在特定数据集上微调得到的，用于图像分割任务，在评估集上展现出了较高的性能。

预期用途与限制

文档中未提供该模型预期用途与限制的详细信息。

训练和评估数据

文档中未提供训练和评估数据的详细信息。

训练过程

训练超参数

训练过程中使用了以下超参数：

学习率（learning_rate）：6e - 05
训练批次大小（train_batch_size）：1
评估批次大小（eval_batch_size）：1
随机种子（seed）：42
优化器：使用OptimizerNames.ADAMW_TORCH，其中betas=(0.9, 0.999)，epsilon = 1e - 08，无额外优化器参数
学习率调度器类型（lr_scheduler_type）：线性
训练轮数（num_epochs）：60

训练结果

训练损失	轮数	步数	验证损失	平均交并比	平均准确率	整体准确率	准确率 0 - 0	准确率 0 - 90	准确率 90 - 0	准确率 90 - 90	交并比 0 - 0	交并比 0 - 90	交并比 90 - 0	交并比 90 - 90
0.903	2.6525	4000	0.8952	0.3916	0.5570	0.5567	0.5335	0.6125	0.4890	0.5929	0.4534	0.3418	0.3411	0.4299
0.6373	5.3050	8000	0.5078	0.6237	0.7643	0.7643	0.7676	0.8339	0.6741	0.7817	0.6758	0.5472	0.6022	0.6698
0.2851	7.9576	12000	0.2955	0.7612	0.8642	0.8642	0.8669	0.8687	0.8339	0.8874	0.7959	0.7358	0.7500	0.7631
0.2309	10.6101	16000	0.1305	0.9184	0.9574	0.9574	0.9575	0.9381	0.9648	0.9692	0.9333	0.9074	0.8991	0.9337
0.0907	13.2626	20000	0.1249	0.9267	0.9620	0.9620	0.9636	0.9541	0.9594	0.9708	0.9379	0.9205	0.9169	0.9316
0.3051	15.9151	24000	0.0529	0.9675	0.9835	0.9835	0.9842	0.9805	0.9839	0.9854	0.9712	0.9636	0.9626	0.9728
0.0659	18.5676	28000	0.0630	0.9670	0.9832	0.9833	0.9852	0.9747	0.9885	0.9846	0.9719	0.9642	0.9633	0.9687
0.0474	21.2202	32000	0.0454	0.9768	0.9882	0.9883	0.9910	0.9856	0.9865	0.9899	0.9783	0.9737	0.9747	0.9805
0.0449	23.8727	36000	0.0468	0.9795	0.9896	0.9896	0.9900	0.9812	0.9900	0.9973	0.9828	0.9743	0.9783	0.9824
0.0552	26.5252	40000	0.0266	0.9884	0.9942	0.9942	0.9949	0.9917	0.9947	0.9953	0.9888	0.9865	0.9866	0.9916
0.0541	29.1777	44000	0.0290	0.9908	0.9954	0.9954	0.9951	0.9951	0.9967	0.9946	0.9921	0.9897	0.9905	0.9909
0.0082	31.8302	48000	0.0421	0.9891	0.9945	0.9945	0.9940	0.9924	0.9951	0.9966	0.9908	0.9869	0.9884	0.9904
0.0061	34.4828	52000	0.0345	0.9923	0.9961	0.9961	0.9971	0.9941	0.9966	0.9966	0.9939	0.9912	0.9916	0.9922
0.0053	37.1353	56000	0.0256	0.9941	0.9970	0.9970	0.9976	0.9972	0.9966	0.9968	0.9957	0.9928	0.9929	0.9949
0.0045	39.7878	60000	0.0256	0.9937	0.9968	0.9968	0.9978	0.9959	0.9959	0.9978	0.9937	0.9927	0.9926	0.9957
0.0046	42.4403	64000	0.0171	0.9964	0.9982	0.9982	0.9983	0.9976	0.9987	0.9981	0.9972	0.9958	0.9955	0.9969
0.0032	45.0928	68000	0.0293	0.9957	0.9979	0.9979	0.9983	0.9969	0.9975	0.9988	0.9966	0.9950	0.9950	0.9964
0.003	47.7454	72000	0.0251	0.9964	0.9982	0.9982	0.9984	0.9973	0.9984	0.9987	0.9973	0.9952	0.9965	0.9966
0.0035	50.3979	76000	0.0245	0.9973	0.9986	0.9986	0.9993	0.9982	0.9983	0.9987	0.9982	0.9969	0.9963	0.9977
0.0025	53.0504	80000	0.0222	0.9972	0.9986	0.9986	0.9990	0.9980	0.9987	0.9986	0.9985	0.9965	0.9970	0.9968
0.0023	55.7029	84000	0.0104	0.9982	0.9991	0.9991	0.9994	0.9989	0.9987	0.9993	0.9988	0.9980	0.9975	0.9983
0.0022	58.3554	88000	0.0117	0.9981	0.9990	0.9990	0.9995	0.9985	0.9988	0.9993	0.9991	0.9979	0.9976	0.9978