ecc_segformer_mainオープンソース画像分割モデル - 無料でデプロイ可能、亀裂問題を正確に検出

ホーム

Ecc Segformer Main

rishitunuによって開発

nvidia/mit-b5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、ひび割れ検出タスクに使用

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 #ひび割れ検出 #建築構造分析 #高精度セグメンテーション

ダウンロード数 15

リリース時間 : 8/28/2023

モデル概要

このモデルはSegFormerアーキテクチャに基づく画像セグメンテーションモデルで、特にエンジニアリング分野のひび割れ検出に特化しています。評価データセットで良好なひび割れ識別能力を示しています。

モデル特徴

ひび割れ検出能力

エンジニアリングひび割れ検出タスクに最適化されており、評価データセットでひび割れのIoUが0.4658を達成

SegFormerアーキテクチャ

効率的なSegFormerアーキテクチャを採用し、mit-b5をバックボーンとして使用

モデル能力

画像セグメンテーション

ひび割れ検出

エンジニアリング構造健全性モニタリング

使用事例

インフラ検査

コンクリート構造物のひび割れ検出

建物や橋梁などのコンクリート構造物におけるひび割れを検出

ひび割れ検出精度0.4658

🚀 ecc_segformer_main

このモデルは、rishitunu/ecc_crackdetector_dataset_mainデータセットでnvidia/mit-b5を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: 0.1918
平均IoU: 0.2329
平均精度: 0.4658
全体精度: 0.4658
背景精度: nan
クラック精度: 0.4658
背景IoU: 0.0
クラックIoU: 0.4658

🚀 クイックスタート

このモデルは画像セグメンテーションタスクに使用できます。rishitunu/ecc_crackdetector_dataset_mainデータセットでファインチューニングされており、特定の評価指標で一定の性能を示しています。

🔧 技術詳細

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

属性	详情
学習率	6e-05
学習バッチサイズ	2
評価バッチサイズ	2
シード	1337
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の種類	多項式
学習ステップ数	10000

学習結果

学習損失	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	クラック精度	クラックIoU
0.1069	1.0	172	0.1376	0.1660	0.3320	0.3320	nan	0.3320	0.3320
0.0682	2.0	344	0.1327	0.2298	0.4596	0.4596	nan	0.4596	0.4596
0.0666	3.0	516	0.2478	0.1200	0.2401	0.2401	nan	0.2401	0.2401
0.0639	4.0	688	0.1732	0.1538	0.3076	0.3076	nan	0.3076	0.3076
0.0624	5.0	860	0.1027	0.2334	0.4668	0.4668	nan	0.4668	0.4668
0.0557	6.0	1032	0.1003	0.1851	0.3703	0.3703	nan	0.3703	0.3703
0.0563	7.0	1204	0.1512	0.2007	0.4014	0.4014	nan	0.4014	0.4014
0.054	8.0	1376	0.1000	0.2401	0.4802	0.4802	nan	0.4802	0.4802
0.0546	9.0	1548	0.0933	0.2238	0.4475	0.4475	nan	0.4475	0.4475
0.0498	10.0	1720	0.0964	0.2303	0.4606	0.4606	nan	0.4606	0.4606
0.0515	11.0	1892	0.1107	0.2258	0.4516	0.4516	nan	0.4516	0.4516
0.0453	12.0	2064	0.0961	0.2557	0.5115	0.5115	nan	0.5115	0.5115
0.0431	13.0	2236	0.1027	0.2396	0.4792	0.4792	nan	0.4792	0.4792
0.0418	14.0	2408	0.1027	0.2521	0.5042	0.5042	nan	0.5042	0.5042
0.0426	15.0	2580	0.1059	0.2561	0.5123	0.5123	nan	0.5123	0.5123
0.0377	16.0	2752	0.1193	0.2281	0.4561	0.4561	nan	0.4561	0.4561
0.0369	17.0	2924	0.1161	0.2486	0.4972	0.4972	nan	0.4972	0.4972
0.036	18.0	3096	0.1058	0.2515	0.5029	0.5029	nan	0.5029	0.5029
0.034	19.0	3268	0.1176	0.2434	0.4868	0.4868	nan	0.4868	0.4868
0.0337	20.0	3440	0.1162	0.2254	0.4509	0.4509	nan	0.4509	0.4509
0.0281	21.0	3612	0.1203	0.2213	0.4426	0.4426	nan	0.4426	0.4426
0.0354	22.0	3784	0.1266	0.2384	0.4768	0.4768	nan	0.4768	0.4768
0.0323	23.0	3956	0.1223	0.2409	0.4818	0.4818	nan	0.4818	0.4818
0.0299	24.0	4128	0.1356	0.2195	0.4390	0.4390	nan	0.4390	0.4390
0.0294	25.0	4300	0.1285	0.2318	0.4636	0.4636	nan	0.4636	0.4636
0.0295	26.0	4472	0.1274	0.2559	0.5119	0.5119	nan	0.5119	0.5119
0.0252	27.0	4644	0.1387	0.2413	0.4827	0.4827	nan	0.4827	0.4827
0.029	28.0	4816	0.1468	0.2236	0.4472	0.4472	nan	0.4472	0.4472
0.0218	29.0	4988	0.1448	0.2433	0.4866	0.4866	nan	0.4866	0.4866
0.0275	30.0	5160	0.1478	0.2318	0.4635	0.4635	nan	0.4635	0.4635
0.0233	31.0	5332	0.1377	0.2502	0.5005	0.5005	nan	0.5005	0.5005
0.0252	32.0	5504	0.1458	0.2399	0.4797	0.4797	nan	0.4797	0.4797
0.0245	33.0	5676	0.1431	0.2480	0.4960	0.4960	nan	0.4960	0.4960
0.0225	34.0	5848	0.1562	0.2439	0.4879	0.4879	nan	0.4879	0.4879
0.0242	35.0	6020	0.1633	0.2323	0.4646	0.4646	nan	0.4646	0.4646
0.0213	36.0	6192	0.1666	0.2274	0.4549	0.4549	nan	0.4549	0.4549
0.0256	37.0	6364	0.1665	0.2340	0.4680	0.4680	nan	0.4680	0.4680
0.0237	38.0	6536	0.1658	0.2410	0.4819	0.4819	nan	0.4819	0.4819
0.0192	39.0	6708	0.1705	0.2286	0.4572	0.4572	nan	0.4572	0.4572
0.0198	40.0	6880	0.1688	0.2322	0.4644	0.4644	nan	0.4644	0.4644
0.0214	41.0	7052	0.1717	0.2315	0.4630	0.4630	nan	0.4630	0.4630
0.0197	42.0	7224	0.1764	0.2338	0.4677	0.4677	nan	0.4677	0.4677
0.0187	43.0	7396	0.1764	0.2437	0.4874	0.4874	nan	0.4874	0.4874
0.0212	44.0	7568	0.1874	0.2259	0.4519	0.4519	nan	0.4519	0.4519
0.0188	45.0	7740	0.1854	0.2362	0.4725	0.4725	nan	0.4725	0.4725
0.0188	46.0	7912	0.1772	0.2320	0.4641	0.4641	nan	0.4641	0.4641
0.0228	47.0	8084	0.1783	0.2385	0.4770	0.4770	nan	0.4770	0.4770
0.0199	48.0	8256	0.1850	0.2317	0.4634	0.4634	nan	0.4634	0.4634
0.0202	49.0	8428	0.1872	0.2336	0.4672	0.4672	nan	0.4672	0.4672
0.0181	50.0	8600	0.1803	0.2405	0.4810	0.4810	nan	0.4810	0.4810
0.0157	51.0	8772	0.1874	0.2349	0.4697	0.4697	nan	0.4697	0.4697
0.0162	52.0	8944	0.1889	0.2332	0.4665	0.4665	nan	0.4665	0.4665
0.0178	53.0	9116	0.1948	0.2357	0.4715	0.4715	nan	0.4715	0.4715
0.0166	54.0	9288	0.1911	0.2333	0.4666	0.4666	nan	0.4666	0.4666
0.0193	55.0	9460	0.1959	0.2306	0.4611	0.4611	nan	0.4611	0.4611
0.0199	56.0	9632	0.1999	0.2330	0.4659	0.4659	nan	0.4659	0.4659
0.0177	57.0	9804	0.1943	0.2319	0.4639	0.4639	nan	0.4639	0.4639
0.019	58.0	9976	0.1926	0.2327	0.4653	0.4653	nan	0.4653	0.4653
0.0187	58.14	10000	0.1918	0.2329	0.4658	0.4658	nan	0.4658	0.4658