mit - b0_cormオープンソース画像セグメンテーションモデル - 評価で優れたパフォーマンス、高精度な画像セグメンテーションに貢献

ホーム

Mit B0 Corm

AI-Lab-Makerereによって開発

nvidia/mit-b0をファインチューニングした画像セグメンテーションモデルで、評価データセットで優れた性能を示し、平均IoUは0.9210、平均精度は0.9571を達成しました。

画像セグメンテーション

Transformers

オープンソースライセンス:その他 #高精度画像セグメンテーション #農業損傷検出 #多クラスセマンティックセグメンテーション

ダウンロード数 50

リリース時間 : 3/5/2025

モデル概要

このモデルはnvidia/mit-b0アーキテクチャを基にファインチューニングされた画像セグメンテーションモデルで、画像中の背景、球茎、損傷領域の識別とセグメンテーションに特化しています。

モデル特徴

高精度セグメンテーション

評価データセットで0.9210の平均IoUと0.9571の平均精度を達成し、優れた性能を示しています。

多クラス識別

背景、球茎、損傷の3クラスを正確に識別・セグメントできます。

安定した学習

40エポックの学習後、各指標が安定し、検証損失は0.0433まで低下しました。

モデル能力

画像セグメンテーション

多クラス物体認識

背景領域検出

球茎領域検出

損傷領域検出

使用事例

農業検出

農作物病害検出

作物画像中の損傷領域を識別し、病害診断を支援します。

損傷領域検出精度93.77%、IoU89.23%

植物学研究

植物器官分析

植物球茎領域を精密にセグメントし、成長状態分析に利用します。

球茎領域検出精度93.60%、IoU87.62%

🚀 mit-b0_corm

このモデルは、nvidia/mit-b0 をNoneデータセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

損失: 0.0433
平均IoU: 0.9210
平均精度: 0.9571
全体精度: 0.9853
背景精度: 0.9977
コーム精度: 0.9360
損傷精度: 0.9377
背景IoU: 0.9944
コームIoU: 0.8762
損傷IoU: 0.8923

📚 ドキュメント

トレーニングハイパーパラメータ

トレーニング中に以下のハイパーパラメータが使用されました。

学習率: 6e-05
トレーニングバッチサイズ: 8
評価バッチサイズ: 8
シード: 42
オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
学習率スケジューラタイプ: linear
学習率スケジューラウォームアップ率: 0.05
エポック数: 40

トレーニング結果

トレーニング損失	エポック	ステップ	検証損失	平均IoU	平均精度	全体精度	背景精度	コーム精度	損傷精度	背景IoU	コームIoU	損傷IoU
0.933	0.6061	20	1.0299	0.3591	0.6054	0.6910	0.7236	0.1098	0.9827	0.7236	0.0867	0.2671
0.6505	1.2121	40	0.6909	0.6522	0.8240	0.9013	0.9328	0.5651	0.9740	0.9328	0.4509	0.5728
0.4133	1.8182	60	0.4184	0.7567	0.8872	0.9394	0.9609	0.7307	0.9701	0.9607	0.6218	0.6875
0.3299	2.4242	80	0.3451	0.8351	0.9306	0.9617	0.9751	0.8924	0.9243	0.9748	0.7569	0.7735
0.2594	3.0303	100	0.2506	0.8703	0.9412	0.9727	0.9862	0.8989	0.9384	0.9852	0.8019	0.8237
0.2253	3.6364	120	0.2006	0.8851	0.9403	0.9779	0.9939	0.8672	0.9599	0.9915	0.8207	0.8430
0.2222	4.2424	140	0.1654	0.8990	0.9490	0.9805	0.9946	0.9446	0.9079	0.9920	0.8438	0.8612
0.1347	4.8485	160	0.1413	0.9048	0.9508	0.9819	0.9956	0.9334	0.9234	0.9928	0.8526	0.8689
0.1366	5.4545	180	0.1155	0.9094	0.9516	0.9829	0.9966	0.9258	0.9325	0.9933	0.8583	0.8765
0.1121	6.0606	200	0.1086	0.8938	0.9447	0.9801	0.9961	0.9628	0.8753	0.9933	0.8392	0.8487
0.0982	6.6667	220	0.0963	0.9115	0.9524	0.9835	0.9972	0.9374	0.9227	0.9938	0.8626	0.8780
0.0993	7.2727	240	0.0892	0.9094	0.9513	0.9832	0.9968	0.9001	0.9571	0.9940	0.8570	0.8773
0.0813	7.8788	260	0.0842	0.9127	0.9543	0.9837	0.9966	0.9380	0.9281	0.9939	0.8643	0.8798
0.1059	8.4848	280	0.0774	0.9152	0.9541	0.9842	0.9973	0.9258	0.9391	0.9940	0.8673	0.8843
0.082	9.0909	300	0.0729	0.9159	0.9541	0.9843	0.9975	0.9294	0.9355	0.9940	0.8681	0.8854
0.0725	9.6970	320	0.0692	0.9162	0.9544	0.9844	0.9975	0.9247	0.9411	0.9941	0.8686	0.8861
0.0814	10.3030	340	0.0687	0.9161	0.9541	0.9844	0.9975	0.9155	0.9492	0.9942	0.8675	0.8865
0.076	10.9091	360	0.0640	0.9157	0.9555	0.9843	0.9968	0.9219	0.9479	0.9941	0.8680	0.8849
0.07	11.5152	380	0.0633	0.9166	0.9553	0.9845	0.9973	0.9375	0.9310	0.9941	0.8698	0.8859
0.0674	12.1212	400	0.0611	0.9176	0.9549	0.9847	0.9977	0.9217	0.9453	0.9943	0.8704	0.8881
0.0638	12.7273	420	0.0601	0.9116	0.9522	0.9836	0.9977	0.9529	0.9059	0.9941	0.8641	0.8768
0.0566	13.3333	440	0.0582	0.9176	0.9561	0.9847	0.9972	0.9322	0.9387	0.9943	0.8714	0.8872
0.0582	13.9394	460	0.0614	0.9077	0.9502	0.9829	0.9976	0.9583	0.8948	0.9941	0.8588	0.8700
0.0555	14.5455	480	0.0561	0.9146	0.9534	0.9841	0.9978	0.9481	0.9142	0.9941	0.8679	0.8817
0.053	15.1515	500	0.0540	0.9182	0.9551	0.9848	0.9977	0.9185	0.9492	0.9943	0.8707	0.8895
0.059	15.7576	520	0.0549	0.9180	0.9565	0.9848	0.9970	0.9248	0.9478	0.9943	0.8711	0.8887
0.0484	16.3636	540	0.0529	0.9177	0.9563	0.9847	0.9973	0.9405	0.9311	0.9943	0.8721	0.8866
0.0559	16.9697	560	0.0510	0.9192	0.9565	0.9850	0.9974	0.9268	0.9453	0.9943	0.8729	0.8904
0.0542	17.5758	580	0.0512	0.9190	0.9569	0.9850	0.9973	0.9351	0.9382	0.9944	0.8733	0.8894
0.0451	18.1818	600	0.0505	0.9184	0.9557	0.9848	0.9977	0.9428	0.9265	0.9943	0.8729	0.8880
0.05	18.7879	620	0.0499	0.9178	0.9542	0.9848	0.9979	0.9098	0.9549	0.9943	0.8691	0.8899
0.063	19.3939	640	0.0491	0.9190	0.9560	0.9850	0.9975	0.9221	0.9483	0.9943	0.8723	0.8904
0.0484	20.0	660	0.0501	0.9185	0.9569	0.9849	0.9972	0.9427	0.9308	0.9944	0.8732	0.8880
0.0527	20.6061	680	0.0492	0.9186	0.9561	0.9849	0.9976	0.9430	0.9276	0.9943	0.8732	0.8884
0.0583	21.2121	700	0.0476	0.9195	0.9563	0.9851	0.9976	0.9208	0.9506	0.9944	0.8730	0.8911
0.0557	21.8182	720	0.0488	0.9188	0.9565	0.9850	0.9973	0.9191	0.9531	0.9945	0.8723	0.8896
0.0458	22.4242	740	0.0481	0.9194	0.9568	0.9851	0.9973	0.9242	0.9489	0.9944	0.8729	0.8909
0.042	23.0303	760	0.0472	0.9202	0.9570	0.9852	0.9975	0.9326	0.9409	0.9944	0.8749	0.8911
0.0459	23.6364	780	0.0468	0.9191	0.9565	0.9850	0.9976	0.9423	0.9295	0.9944	0.8740	0.8889
0.0491	24.2424	800	0.0464	0.9204	0.9568	0.9852	0.9977	0.9361	0.9366	0.9944	0.8753	0.8914
0.0548	24.8485	820	0.0454	0.9201	0.9565	0.9852	0.9976	0.9244	0.9475	0.9944	0.8740	0.8917
0.0447	25.4545	840	0.0473	0.9176	0.9558	0.9847	0.9976	0.9477	0.9222	0.9944	0.8723	0.8863
0.0457	26.0606	860	0.0468	0.9203	0.9567	0.9852	0.9976	0.9270	0.9456	0.9944	0.8745	0.8922
0.0468	26.6667	880	0.0454	0.9201	0.9572	0.9852	0.9974	0.9403	0.9341	0.9944	0.8753	0.8905
0.0433	27.2727	900	0.0452	0.9208	0.9563	0.9853	0.9980	0.9339	0.9371	0.9943	0.8759	0.8923
0.0438	27.8788	920	0.0452	0.9208	0.9574	0.9853	0.9975	0.9352	0.9396	0.9944	0.8760	0.8920
0.0446	28.4848	940	0.0447	0.9210	0.9568	0.9853	0.9978	0.9349	0.9377	0.9943	0.8760	0.8926
0.0492	29.0909	960	0.0452	0.9211	0.9568	0.9853	0.9978	0.9352	0.9374	0.9943	0.8762	0.8928
0.0481	29.6970	980	0.0456	0.9195	0.9567	0.9851	0.9976	0.9443	0.9283	0.9944	0.8747	0.8893
0.0405	30.3030	1000	0.0447	0.9206	0.9574	0.9853	0.9975	0.9391	0.9355	0.9944	0.8758	0.8916
0.0505	30.9091	1020	0.0443	0.9210	0.9570	0.9853	0.9978	0.9370	0.9364	0.9944	0.8763	0.8923
0.047	31.5152	1040	0.0450	0.9204	0.9568	0.9853	0.9976	0.9223	0.9505	0.9945	0.8744	0.8923
0.0548	32.1212	1060	0.0452	0.9192	0.9561	0.9850	0.9978	0.9442	0.9261	0.9944	0.8744	0.8889
0.0445	32.7273	1080	0.0442	0.9208	0.9573	0.9853	0.9975	0.9320	0.9426	0.9944	0.8758	0.8921
0.0539	33.3333	1100	0.0435	0.9208	0.9571	0.9853	0.9976	0.9359	0.9379	0.9944	0.8758	0.8921
0.0383	33.9394	1120	0.0459	0.9171	0.9549	0.9846	0.9979	0.9493	0.9175	0.9943	0.8716	0.8853
0.0478	34.5455	1140	0.0443	0.9203	0.9572	0.9852	0.9974	0.9246	0.9496	0.9945	0.8748	0.8916
0.0432	35.1515	1160	0.0442	0.9210	0.9571	0.9853	0.9977	0.9349	0.9388	0.9944	0.8762	0.8924
0.0468	35.7576	1180	0.0439	0.9208	0.9572	0.9853	0.9976	0.9371	0.9368	0.9944	0.8761	0.8919
0.0475	36.3636	1200	0.0443	0.9209	0.9571	0.9853	0.9977	0.9371	0.9364	0.9944	0.8762	0.8921
0.0388	36.9697	1220	0.0436	0.9208	0.9573	0.9853	0.9976	0.9371	0.9373	0.9944	0.8761	0.8919
0.0468	37.5758	1240	0.0431	0.9208	0.9574	0.9853	0.9975	0.9343	0.9405	0.9944	0.8760	0.8921
0.0426	38.1818	1260	0.0445	0.9205	0.9570	0.9852	0.9977	0.9415	0.9318	0.9944	0.8758	0.8912
0.0549	38.7879	1280	0.0436	0.9209	0.9571	0.9853	0.9977	0.9373	0.9362	0.9944	0.8761	0.8921
0.045	39.3939	1300	0.0438	0.9208	0.9573	0.9853	0.9976	0.9381	0.9362	0.9944	0.8760	0.8919
0.0287	40.0	1320	0.0433	0.9210	0.9571	0.9853	0.9977	0.9360	0.9377	0.9944	0.8762	0.8923