segformer-b0-finetuned-morphpadver1-hgo-3オープンソース画像分割モデル

Segformer B0 Finetuned Morphpadver1 Hgo 3

NICOPOI-9によって開発

nvidia/mit-b0をベースに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、NICOPOI-9/morphpad_hgo_512_4classデータセットでトレーニングされ、高精度な画像セグメンテーションタスクに優れています。

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 #医療画像解析 #MIT-B0ファインチューニング

ダウンロード数 30

リリース時間 : 2/21/2025

モデル概要

このモデルはSegFormerアーキテクチャの軽量実装で、画像セグメンテーションタスク専用です。特定のデータセットでファインチューニングされており、画像内の異なる領域を正確に識別・分割できます。

モデル特徴

高精度セグメンテーション

評価セットで0.978の平均IoUと0.9889の平均精度を達成し、優れた性能を示します。

軽量アーキテクチャ

SegFormer-B0アーキテクチャを基に、性能を維持しながら計算リソース要件を低減。

多角度適応

モデルは異なる角度(0-0,0-90,90-0,90-90)の画像でも安定した性能を発揮し、精度差が小さい。

モデル能力

画像セグメンテーション

ピクセルレベル分類

マルチクラス認識

使用事例

医療画像解析

組織分割

医療画像内の特定組織の識別と分割に使用

工業検査

欠陥検出

製品表面の欠陥領域を識別

🚀 segformer-b0-finetuned-morphpadver1-hgo-3

このモデルは、nvidia/mit-b0 を NICOPOI - 9/morphpad_hgo_512_4class 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: 0.0870
平均IoU: 0.9780
平均精度: 0.9889
全体精度: 0.9888
精度 0 - 0: 0.9913
精度 0 - 90: 0.9886
精度 90 - 0: 0.9892
精度 90 - 90: 0.9863
IoU 0 - 0: 0.9811
IoU 0 - 90: 0.9785
IoU 90 - 0: 0.9754
IoU 90 - 90: 0.9771

📚 ドキュメント

モデルの訓練手順

訓練ハイパーパラメータ

訓練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
訓練バッチサイズ: 1
評価バッチサイズ: 1
シード: 42
オプティマイザ: OptimizerNames.ADAMW_TORCH を使用し、ベータ=(0.9, 0.999)、イプシロン=1e - 08、追加のオプティマイザ引数はありません
学習率スケジューラのタイプ: 線形
エポック数: 80

訓練結果

訓練損失	エポック	ステップ	検証損失	平均IoU	平均精度	全体精度	精度 0 - 0	精度 0 - 90	精度 90 - 0	精度 90 - 90	IoU 0 - 0	IoU 0 - 90	IoU 90 - 0	IoU 90 - 90
1.2394	2.5445	4000	1.2392	0.2273	0.3754	0.3738	0.4516	0.3985	0.2299	0.4215	0.2520	0.2205	0.1802	0.2565
1.0858	5.0891	8000	1.0986	0.2889	0.4462	0.4463	0.4510	0.3646	0.5196	0.4498	0.3208	0.2453	0.2792	0.3104
1.0059	7.6336	12000	1.0060	0.3295	0.4934	0.4935	0.4793	0.6104	0.4583	0.4256	0.3472	0.3209	0.3057	0.3442
0.9457	10.1781	16000	0.9497	0.3565	0.5236	0.5240	0.4976	0.6276	0.5356	0.4335	0.3777	0.3459	0.3490	0.3532
0.93	12.7226	20000	0.9072	0.3759	0.5397	0.5412	0.4649	0.6012	0.6437	0.4491	0.4073	0.3550	0.3549	0.3863
0.8403	15.2672	24000	0.8349	0.4263	0.5967	0.5959	0.6497	0.5299	0.6555	0.5517	0.4548	0.4083	0.3976	0.4443
0.8826	17.8117	28000	0.6734	0.5172	0.6784	0.6787	0.6590	0.7037	0.6902	0.6606	0.5517	0.4864	0.4837	0.5469
0.8028	20.3562	32000	0.4582	0.6843	0.8116	0.8120	0.7923	0.7953	0.8322	0.8268	0.6986	0.6686	0.6646	0.7056
0.8461	22.9008	36000	0.2845	0.8071	0.8931	0.8928	0.9089	0.8839	0.8825	0.8971	0.8322	0.7928	0.7850	0.8182
0.7034	25.4453	40000	0.3351	0.7724	0.8716	0.8713	0.8859	0.8680	0.8485	0.8839	0.7928	0.7649	0.7472	0.7849
1.0428	27.9898	44000	0.1882	0.8750	0.9334	0.9331	0.9467	0.9277	0.9323	0.9267	0.8912	0.8673	0.8647	0.8767
0.3497	30.5344	48000	0.1620	0.8982	0.9464	0.9461	0.9582	0.9539	0.9279	0.9455	0.9163	0.8878	0.8840	0.9046
0.0803	33.0789	52000	0.1314	0.9187	0.9577	0.9575	0.9711	0.9517	0.9508	0.9574	0.9300	0.9101	0.9121	0.9224
0.1394	35.6234	56000	0.1271	0.9228	0.9598	0.9597	0.9648	0.9612	0.9530	0.9603	0.9332	0.9163	0.9167	0.9250
0.0579	38.1679	60000	0.1170	0.9351	0.9665	0.9664	0.9723	0.9652	0.9619	0.9665	0.9446	0.9300	0.9282	0.9377
0.1097	40.7125	64000	0.1121	0.9402	0.9690	0.9691	0.9634	0.9748	0.9732	0.9644	0.9477	0.9380	0.9334	0.9416
0.0615	43.2570	68000	0.1069	0.9458	0.9720	0.9721	0.9707	0.9713	0.9777	0.9685	0.9523	0.9424	0.9426	0.9459
0.0425	45.8015	72000	0.0967	0.9540	0.9764	0.9764	0.9789	0.9740	0.9798	0.9729	0.9609	0.9506	0.9514	0.9529
0.0396	48.3461	76000	0.0991	0.9599	0.9795	0.9795	0.9827	0.9766	0.9783	0.9805	0.9656	0.9562	0.9560	0.9617
0.4319	50.8906	80000	0.0975	0.9583	0.9786	0.9787	0.9759	0.9826	0.9769	0.9792	0.9607	0.9566	0.9551	0.9608
0.0299	53.4351	84000	0.0959	0.9662	0.9828	0.9827	0.9858	0.9837	0.9807	0.9811	0.9712	0.9655	0.9637	0.9644
0.0282	55.9796	88000	0.0933	0.9687	0.9841	0.9841	0.9866	0.9830	0.9823	0.9846	0.9729	0.9665	0.9655	0.9698
0.1038	58.5242	92000	0.0864	0.9707	0.9852	0.9851	0.9882	0.9874	0.9842	0.9809	0.9727	0.9709	0.9698	0.9695
0.0246	61.0687	96000	0.0990	0.9722	0.9859	0.9859	0.9885	0.9873	0.9847	0.9832	0.9764	0.9716	0.9706	0.9703
0.0208	63.6132	100000	0.0839	0.9749	0.9873	0.9873	0.9901	0.9897	0.9850	0.9845	0.9781	0.9748	0.9726	0.9743
0.0749	66.1578	104000	0.0874	0.9761	0.9879	0.9879	0.9901	0.9888	0.9875	0.9851	0.9798	0.9757	0.9734	0.9753
0.0798	68.7023	108000	0.0866	0.9753	0.9875	0.9875	0.9908	0.9881	0.9883	0.9830	0.9792	0.9759	0.9722	0.9740
0.1236	71.2468	112000	0.0933	0.9775	0.9886	0.9886	0.9911	0.9895	0.9870	0.9868	0.9813	0.9773	0.9748	0.9765
0.0165	73.7913	116000	0.0894	0.9785	0.9891	0.9891	0.9902	0.9912	0.9867	0.9886	0.9818	0.9782	0.9759	0.9783
0.0204	76.3359	120000	0.0885	0.9792	0.9895	0.9895	0.9909	0.9913	0.9874	0.9884	0.9823	0.9791	0.9766	0.9788
0.7823	78.8804	124000	0.0870	0.9780	0.9889	0.9888	0.9913	0.9886	0.9892	0.9863	0.9811	0.9785	0.9754	0.9771