モデル概要

このモデルはSegFormerアーキテクチャのB0バージョンで、nvidia/mit-b0ベースモデルをfloorplanデータセットでファインチューニングしたもので、建築平面図の空間分割タスクに適しています

モデル特徴

軽量アーキテクチャ

MIT-B0ベースの軽量設計で、リソース制約環境での展開に適しています

間取り図専用

建築平面図データに最適化されており、部屋領域と背景を効果的に識別できます

効率的なトレーニング

50エポックのトレーニングで低い検証損失（0.0034）を達成

モデル能力

画像セマンティックセグメンテーション

建築平面図分析

部屋領域識別

使用事例

建築設計

自動間取り図解析

スキャンした平面図から部屋領域と機能ゾーンを自動識別

不動産

間取り図デジタル化

紙の間取り図をデジタル空間構造データに変換

library_name: transformers license: other base_model: nvidia/mit-b0 tags:

vision
image-segmentation
generated_from_trainer model-index:
name: segformer-b0-finetuned-floorplan results: []

segformer-b0-finetuned-floorplan

This model is a fine-tuned version of nvidia/mit-b0 on the patnev71/floorplan dataset. It achieves the following results on the evaluation set:

Loss: 0.0034
Mean Iou: 0.0
Mean Accuracy: nan
Overall Accuracy: nan
Accuracy Background: nan
Accuracy Room: nan
Iou Background: 0.0
Iou Room: 0.0

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: 6e-05
train_batch_size: 2
eval_batch_size: 2
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: linear
num_epochs: 50

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Accuracy	Overall Accuracy	Accuracy Background	Accuracy Room
0.4537	0.4651	20	0.5128	nan	nan	nan	nan
0.2352	0.9302	40	0.3004	nan	nan	nan	nan
0.215	1.3953	60	0.1865	nan	nan	nan	nan
0.149	1.8605	80	0.1596	nan	nan	nan	nan
0.1142	2.3256	100	0.1121	nan	nan	nan	nan
0.0981	2.7907	120	0.0978	nan	nan	nan	nan
0.09	3.2558	140	0.0726	nan	nan	nan	nan
0.0631	3.7209	160	0.0562	nan	nan	nan	nan
0.0558	4.1860	180	0.0542	nan	nan	nan	nan
0.0446	4.6512	200	0.0439	nan	nan	nan	nan
0.0481	5.1163	220	0.0397	nan	nan	nan	nan
0.0323	5.5814	240	0.0398	nan	nan	nan	nan
0.0323	6.0465	260	0.0302	nan	nan	nan	nan
0.0235	6.5116	280	0.0352	nan	nan	nan	nan
0.024	6.9767	300	0.0331	nan	nan	nan	nan
0.0211	7.4419	320	0.0258	nan	nan	nan	nan
0.0193	7.9070	340	0.0202	nan	nan	nan	nan
0.0198	8.3721	360	0.0194	nan	nan	nan	nan
0.0185	8.8372	380	0.0219	nan	nan	nan	nan
0.0209	9.3023	400	0.0188	nan	nan	nan	nan
0.014	9.7674	420	0.0187	nan	nan	nan	nan
0.0124	10.2326	440	0.0165	nan	nan	nan	nan
0.0125	10.6977	460	0.0141	nan	nan	nan	nan
0.0117	11.1628	480	0.0157	nan	nan	nan	nan
0.0139	11.6279	500	0.0124	nan	nan	nan	nan
0.0111	12.0930	520	0.0151	nan	nan	nan	nan
0.0121	12.5581	540	0.0132	nan	nan	nan	nan
0.008	13.0233	560	0.0116	nan	nan	nan	nan
0.0097	13.4884	580	0.0127	nan	nan	nan	nan
0.0122	13.9535	600	0.0116	nan	nan	nan	nan
0.0063	14.4186	620	0.0118	nan	nan	nan	nan
0.0096	14.8837	640	0.0102	nan	nan	nan	nan
0.0094	15.3488	660	0.0111	nan	nan	nan	nan
0.0073	15.8140	680	0.0100	nan	nan	nan	nan
0.0062	16.2791	700	0.0103	nan	nan	nan	nan
0.0051	16.7442	720	0.0085	nan	nan	nan	nan
0.0055	17.2093	740	0.0097	nan	nan	nan	nan
0.0074	17.6744	760	0.0107	nan	nan	nan	nan
0.0067	18.1395	780	0.0073	nan	nan	nan	nan
0.005	18.6047	800	0.0076	nan	nan	nan	nan
0.0049	19.0698	820	0.0086	nan	nan	nan	nan
0.0044	19.5349	840	0.0064	nan	nan	nan	nan
0.0052	20.0	860	0.0076	nan	nan	nan	nan
0.0055	20.4651	880	0.0072	nan	nan	nan	nan
0.0075	20.9302	900	0.0089	nan	nan	nan	nan
0.0049	21.3953	920	0.0061	nan	nan	nan	nan
0.0057	21.8605	940	0.0074	nan	nan	nan	nan
0.0042	22.3256	960	0.0066	nan	nan	nan	nan
0.0038	22.7907	980	0.0073	nan	nan	nan	nan
0.0049	23.2558	1000	0.0061	nan	nan	nan	nan
0.0039	23.7209	1020	0.0042	nan	nan	nan	nan
0.0037	24.1860	1040	0.0053	nan	nan	nan	nan
0.0032	24.6512	1060	0.0063	nan	nan	nan	nan
0.0034	25.1163	1080	0.0060	nan	nan	nan	nan
0.0032	25.5814	1100	0.0063	nan	nan	nan	nan
0.0047	26.0465	1120	0.0061	nan	nan	nan	nan
0.003	26.5116	1140	0.0061	nan	nan	nan	nan
0.0027	26.9767	1160	0.0058	nan	nan	nan	nan
0.0025	27.4419	1180	0.0061	nan	nan	nan	nan
0.0053	27.9070	1200	0.0054	nan	nan	nan	nan
0.0039	28.3721	1220	0.0069	nan	nan	nan	nan
0.0025	28.8372	1240	0.0062	nan	nan	nan	nan
0.0026	29.3023	1260	0.0044	nan	nan	nan	nan
0.0028	29.7674	1280	0.0063	nan	nan	nan	nan
0.0022	30.2326	1300	0.0061	nan	nan	nan	nan
0.0028	30.6977	1320	0.0054	nan	nan	nan	nan
0.0025	31.1628	1340	0.0052	nan	nan	nan	nan
0.0034	31.6279	1360	0.0056	nan	nan	nan	nan
0.0029	32.0930	1380	0.0054	nan	nan	nan	nan
0.0024	32.5581	1400	0.0050	nan	nan	nan	nan
0.0028	33.0233	1420	0.0051	nan	nan	nan	nan
0.0022	33.4884	1440	0.0054	nan	nan	nan	nan
0.0022	33.9535	1460	0.0033	nan	nan	nan	nan
0.0032	34.4186	1480	0.0038	nan	nan	nan	nan
0.0029	34.8837	1500	0.0042	nan	nan	nan	nan
0.0019	35.3488	1520	0.0042	nan	nan	nan	nan
0.0025	35.8140	1540	0.0042	nan	nan	nan	nan
0.003	36.2791	1560	0.0035	nan	nan	nan	nan
0.0023	36.7442	1580	0.0041	nan	nan	nan	nan
0.002	37.2093	1600	0.0038	nan	nan	nan	nan
0.0022	37.6744	1620	0.0043	nan	nan	nan	nan
0.0027	38.1395	1640	0.0034	nan	nan	nan	nan
0.0019	38.6047	1660	0.0034	nan	nan	nan	nan
0.0025	39.0698	1680	0.0033	nan	nan	nan	nan
0.0019	39.5349	1700	0.0039	nan	nan	nan	nan
0.0022	40.0	1720	0.0036	nan	nan	nan	nan
0.0015	40.4651	1740	0.0037	nan	nan	nan	nan
0.0025	40.9302	1760	0.0039	nan	nan	nan	nan
0.0022	41.3953	1780	0.0040	nan	nan	nan	nan
0.0018	41.8605	1800	0.0036	nan	nan	nan	nan
0.0019	42.3256	1820	0.0031	nan	nan	nan	nan
0.0028	42.7907	1840	0.0035	nan	nan	nan	nan
0.0022	43.2558	1860	0.0035	nan	nan	nan	nan
0.0015	43.7209	1880	0.0030	nan	nan	nan	nan
0.002	44.1860	1900	0.0030	nan	nan	nan	nan
0.0018	44.6512	1920	0.0031	nan	nan	nan	nan
0.0017	45.1163	1940	0.0034	nan	nan	nan	nan
0.0025	45.5814	1960	0.0037	nan	nan	nan	nan
0.0019	46.0465	1980	0.0039	nan	nan	nan	nan
0.0016	46.5116	2000	0.0035	nan	nan	nan	nan
0.0024	46.9767	2020	0.0037	nan	nan	nan	nan
0.0018	47.4419	2040	0.0034	nan	nan	nan	nan
0.0032	47.9070	2060	0.0035	nan	nan	nan	nan
0.002	48.3721	2080	0.0034	nan	nan	nan	nan
0.0018	48.8372	2100	0.0037	nan	nan	nan	nan
0.002	49.3023	2120	0.0035	nan	nan	nan	nan
0.0019	49.7674	2140	0.0034	nan	nan	nan	nan