ホーム

Panels Detection Rtdetr

cems-officialによって開発

このモデルはPekingU/rtdetr_r101vd_coco_o365をファインチューニングした物体検出モデルで、船舶制御パネル上の各種機器を検出するために特別に設計されています。

物体検出

Transformers

オープンソースライセンス:Apache-2.0 #船舶計器検査 #高精度ターゲット識別 #多カテゴリーパネル位置特定

ダウンロード数 163

リリース時間 : 11/19/2024

モデル概要

このモデルはRT-DETRアーキテクチャに基づく物体検出モデルで、ファインチューニング後、船舶制御パネル上のレーダー、船舶管理システム、視覚観測機器などの各種機器を識別するために特別に使用されます。

モデル特徴

多カテゴリー検出

船舶制御パネル上のレーダー、船舶管理システム、視覚観測機器など、複数の機器タイプを検出できます。

異なるサイズのターゲット検出

小型、中型、大型の機器など、異なるサイズのターゲットを効果的に検出できます。

高精度検出

複数のカテゴリーで高いmAP値を達成し、特に船舶管理システムと視覚観測機器の検出効果が良好です。

モデル能力

船舶制御パネル機器検出

多カテゴリーターゲット識別

異なるサイズのターゲット検出

使用事例

船舶自動化

船舶制御パネル監視

船舶制御パネル上の各種機器の状態を自動的に識別・監視

0.56のmAP値を達成可能

航海機器管理

船舶機器の自動化管理とメンテナンスに使用

船舶管理システムの検出mAPは0.76に達する

航海安全

重要機器監視

レーダー、推進器制御などの船舶重要機器の状態を監視

レーダー検出mAPは0.58-0.70に達する

library_name: transformers license: apache-2.0 base_model: PekingU/rtdetr_r101vd_coco_o365 tags:

generated_from_trainer model-index:
name: panels_detection_rtdetr results: []

panels_detection_rtdetr

This model is a fine-tuned version of PekingU/rtdetr_r101vd_coco_o365 on the None dataset. It achieves the following results on the evaluation set:

Loss: 9.5718
Map: 0.5617
Map 50: 0.6631
Map 75: 0.6137
Map Small: -1.0
Map Medium: 0.3451
Map Large: 0.5935
Mar 1: 0.6546
Mar 10: 0.7877
Mar 100: 0.8058
Mar Small: -1.0
Mar Medium: 0.5802
Mar Large: 0.8672
Map Radar (small): 0.3509
Mar 100 Radar (small): 0.8077
Map Ship management system (small): 0.6748
Mar 100 Ship management system (small): 0.8933
Map Radar (large): 0.5846
Mar 100 Radar (large): 0.8624
Map Ship management system (large): 0.7577
Mar 100 Ship management system (large): 0.9341
Map Ship management system (top): 0.789
Mar 100 Ship management system (top): 0.8356
Map Ecdis (large): 0.3281
Mar 100 Ecdis (large): 0.7652
Map Visual observation (small): 0.585
Mar 100 Visual observation (small): 0.902
Map Ecdis (small): 0.7635
Mar 100 Ecdis (small): 0.8967
Map Ship management system (table top): 0.6306
Mar 100 Ship management system (table top): 0.7882
Map Thruster control: 0.4949
Mar 100 Thruster control: 0.7447
Map Visual observation (left): 0.6062
Mar 100 Visual observation (left): 0.8395
Map Visual observation (mid): 0.7946
Mar 100 Visual observation (mid): 0.8901
Map Visual observation (right): 0.7446
Mar 100 Visual observation (right): 0.8966
Map Bow thruster: 0.2392
Mar 100 Bow thruster: 0.5167
Map Me telegraph: 0.0825
Mar 100 Me telegraph: 0.5143

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: 4
eval_batch_size: 8
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
num_epochs: 7

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 Radar (small)	Mar 100 Radar (small)	Map Ship management system (small)	Mar 100 Ship management system (small)	Map Radar (large)	Mar 100 Radar (large)	Map Ship management system (large)	Mar 100 Ship management system (large)	Map Ship management system (top)	Mar 100 Ship management system (top)	Map Ecdis (large)	Mar 100 Ecdis (large)	Map Visual observation (small)	Mar 100 Visual observation (small)	Map Ecdis (small)	Mar 100 Ecdis (small)	Map Ship management system (table top)	Mar 100 Ship management system (table top)	Map Thruster control	Mar 100 Thruster control	Map Visual observation (left)	Mar 100 Visual observation (left)	Map Visual observation (mid)	Mar 100 Visual observation (mid)	Map Visual observation (right)	Mar 100 Visual observation (right)	Map Bow thruster	Mar 100 Bow thruster	Map Me telegraph	Mar 100 Me telegraph
14.2599	1.0	699	9.6242	0.4769	0.5404	0.5144	-1.0	0.2274	0.5416	0.5866	0.755	0.7709	-1.0	0.4884	0.8359	0.7408	0.92	0.672	0.8827	0.7054	0.9504	0.8329	0.926	0.7965	0.8692	0.3419	0.9571	0.2734	0.8627	0.1207	0.6933	0.4841	0.7059	0.3541	0.6947	0.5303	0.8961	0.8393	0.9342	0.2629	0.8466	0.1988	0.3583	0.0011	0.0667
8.9356	2.0	1398	9.1941	0.5527	0.6652	0.6044	-1.0	0.3212	0.574	0.6512	0.7882	0.8015	-1.0	0.6608	0.8085	0.6989	0.8862	0.5273	0.8053	0.7683	0.9145	0.7209	0.9073	0.7995	0.8644	0.4929	0.833	0.4034	0.8392	0.5519	0.8333	0.6453	0.8618	0.4221	0.6447	0.5734	0.8474	0.8714	0.8973	0.412	0.8448	0.3154	0.5333	0.0874	0.5095
8.1388	3.0	2097	9.7524	0.535	0.6013	0.5854	-1.0	0.2545	0.574	0.6219	0.7425	0.7612	-1.0	0.538	0.8183	0.6358	0.8292	0.5844	0.8013	0.6721	0.8368	0.7422	0.8829	0.7144	0.8096	0.4904	0.8562	0.7623	0.9078	0.5667	0.89	0.6409	0.7824	0.1853	0.5763	0.5453	0.7789	0.8362	0.9	0.5862	0.9207	0.0384	0.3833	0.0248	0.2619
7.5951	4.0	2796	9.3983	0.5991	0.7001	0.6587	-1.0	0.3745	0.6167	0.6957	0.8036	0.8188	-1.0	0.6611	0.8746	0.603	0.8538	0.626	0.88	0.6211	0.8496	0.8218	0.9382	0.8062	0.8433	0.3917	0.8804	0.6202	0.851	0.8307	0.9433	0.555	0.8147	0.5143	0.8	0.6609	0.8579	0.887	0.9369	0.7174	0.8759	0.2732	0.5333	0.0579	0.4238
7.1786	5.0	3495	9.1194	0.6117	0.7144	0.6689	-1.0	0.3458	0.6476	0.6904	0.8136	0.8324	-1.0	0.6649	0.8777	0.5	0.8538	0.6723	0.8733	0.7272	0.8795	0.778	0.9398	0.7803	0.8385	0.3389	0.8509	0.6484	0.8804	0.7914	0.9433	0.7053	0.8059	0.6257	0.8447	0.5945	0.8658	0.8411	0.9009	0.7812	0.9397	0.2863	0.5792	0.1053	0.4905
7.1386	6.0	4194	9.9394	0.5353	0.634	0.5921	-1.0	0.3062	0.5549	0.6429	0.7691	0.7874	-1.0	0.5638	0.8364	0.3431	0.7631	0.6563	0.8813	0.5789	0.8393	0.6941	0.9236	0.721	0.7712	0.4061	0.8018	0.5685	0.8725	0.7656	0.91	0.5317	0.8	0.5194	0.7684	0.5191	0.8039	0.7994	0.8586	0.6714	0.8793	0.2223	0.4958	0.0333	0.4429
7.0912	7.0	4893	9.5718	0.5617	0.6631	0.6137	-1.0	0.3451	0.5935	0.6546	0.7877	0.8058	-1.0	0.5802	0.8672	0.3509	0.8077	0.6748	0.8933	0.5846	0.8624	0.7577	0.9341	0.789	0.8356	0.3281	0.7652	0.585	0.902	0.7635	0.8967	0.6306	0.7882	0.4949	0.7447	0.6062	0.8395	0.7946	0.8901	0.7446	0.8966	0.2392	0.5167	0.0825	0.5143