segformer - b4 オープンソースクラック分割モデル - 画像内のクラック構造を無料で検出

ホーム

Segformer B4 Crack Segmentation Dataset

varcoderによって開発

SegFormerアーキテクチャに基づくひび割れセグメンテーションモデルで、ひび割れセグメンテーションデータセットで微調整され、画像中のひび割れ構造を検出するために使用されます

画像セグメンテーション

Transformers

英語オープンソースライセンス:その他 #ひび割れ検出 #高精度セグメンテーション #建築構造分析

ダウンロード数 200

リリース時間 : 7/12/2023

モデル概要

このモデルは、nvidia/mit-b0をひび割れセグメンテーションデータセットで微調整した画像セグメンテーションモデルで、画像中のひび割れ領域を識別およびセグメント化するために特別に設計されています

モデル特徴

ひび割れ検出

ひび割れセグメンテーションタスクに特化して最適化されており、画像中のひび割れ構造を正確に識別できます

軽量アーキテクチャ

SegFormer-B4アーキテクチャに基づいており、性能を維持しながら高い計算効率を実現しています

微調整最適化

特定のひび割れデータセットで微調整されており、ひび割れ特徴の識別能力が向上しています

モデル能力

画像セグメンテーション

ひび割れ検出

構造欠陥識別

使用事例

インフラ検査

建物のひび割れ検出

建物の壁面や床のひび割れを検出するために使用されます

評価セットで0.6691のひび割れ精度を達成しました

道路のひび割れ検出

道路表面のひび割れ欠陥を識別します

🚀 segformer-b4-crack-segmentation-dataset

このモデルは、画像セグメンテーションのタスクに特化したモデルです。nvidia/mit-b0 をベースに、特定のデータセットでファインチューニングされています。評価セットで良好な結果を達成しています。

🚀 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。以下は、評価セットでの結果です。

損失: 0.0594
平均IoU: 0.3346
平均精度: 0.6691
全体精度: 0.6691
背景精度: nan
クラック精度: 0.6691
背景IoU: 0.0
クラックIoU: 0.6691

📚 ドキュメント

モデルの説明

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。

想定される用途と制限

詳細な情報は後日提供予定です。

トレーニングと評価データ

詳細な情報は後日提供予定です。

トレーニング手順

トレーニングハイパーパラメータ

トレーニング中に使用されたハイパーパラメータは以下の通りです。

属性	詳情
学習率	6e-05
トレーニングバッチサイズ	2
評価バッチサイズ	2
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
エポック数	1

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	クラック精度	クラックIoU
0.2287	0.02	100	0.2515	0.1734	0.3468	0.3468	nan	0.3468	0.3468
0.1792	0.04	200	0.1594	0.1671	0.3342	0.3342	nan	0.3342	0.3342
0.1177	0.06	300	0.1762	0.1044	0.2088	0.2088	nan	0.2088	0.2088
0.0821	0.08	400	0.1706	0.2065	0.4130	0.4130	nan	0.4130	0.4130
0.0666	0.1	500	0.1507	0.1931	0.3863	0.3863	nan	0.3863	0.3863
0.0675	0.12	600	0.1374	0.3114	0.6227	0.6227	nan	0.6227	0.6227
0.0267	0.15	700	0.1400	0.2171	0.4342	0.4342	nan	0.4342	0.4342
0.0192	0.17	800	0.1067	0.1594	0.3187	0.3187	nan	0.3187	0.3187
0.0711	0.19	900	0.1002	0.2915	0.5830	0.5830	nan	0.5830	0.5830
0.0761	0.21	1000	0.0785	0.3099	0.6199	0.6199	nan	0.6199	0.6199
0.0802	0.23	1100	0.0829	0.3086	0.6173	0.6173	nan	0.6173	0.6173
0.1058	0.25	1200	0.0895	0.2139	0.4278	0.4278	nan	0.4278	0.4278
0.0409	0.27	1300	0.0792	0.3237	0.6475	0.6475	nan	0.6475	0.6475
0.063	0.29	1400	0.0739	0.3084	0.6168	0.6168	nan	0.6168	0.6168
0.0669	0.31	1500	0.0747	0.3326	0.6653	0.6653	nan	0.6653	0.6653
0.1277	0.33	1600	0.0735	0.3149	0.6297	0.6297	nan	0.6297	0.6297
0.0388	0.35	1700	0.0708	0.2525	0.5050	0.5050	nan	0.5050	0.5050
0.0332	0.37	1800	0.0726	0.2908	0.5816	0.5816	nan	0.5816	0.5816
0.0435	0.4	1900	0.0673	0.2893	0.5786	0.5786	nan	0.5786	0.5786
0.1297	0.42	2000	0.0698	0.3438	0.6877	0.6877	nan	0.6877	0.6877
0.1202	0.44	2100	0.0745	0.2899	0.5798	0.5798	nan	0.5798	0.5798
0.0549	0.46	2200	0.0657	0.3522	0.7044	0.7044	nan	0.7044	0.7044
0.0223	0.48	2300	0.0808	0.2686	0.5372	0.5372	nan	0.5372	0.5372
0.0464	0.5	2400	0.0631	0.3221	0.6442	0.6442	nan	0.6442	0.6442
0.0364	0.52	2500	0.0778	0.3410	0.6820	0.6820	nan	0.6820	0.6820
0.047	0.54	2600	0.0689	0.3489	0.6978	0.6978	nan	0.6978	0.6978
0.0322	0.56	2700	0.0640	0.2863	0.5727	0.5727	nan	0.5727	0.5727
0.0453	0.58	2800	0.0574	0.3340	0.6681	0.6681	nan	0.6681	0.6681
0.0347	0.6	2900	0.0611	0.3289	0.6578	0.6578	nan	0.6578	0.6578
0.0916	0.62	3000	0.0609	0.3357	0.6714	0.6714	nan	0.6714	0.6714
0.0523	0.65	3100	0.0557	0.3318	0.6637	0.6637	nan	0.6637	0.6637
0.1246	0.67	3200	0.0558	0.3294	0.6588	0.6588	nan	0.6588	0.6588
0.0501	0.69	3300	0.0697	0.2955	0.5910	0.5910	nan	0.5910	0.5910
0.0312	0.71	3400	0.0604	0.3414	0.6827	0.6827	nan	0.6827	0.6827
0.0449	0.73	3500	0.0612	0.3305	0.6611	0.6611	nan	0.6611	0.6611
0.0111	0.75	3600	0.0617	0.2930	0.5860	0.5860	nan	0.5860	0.5860
0.0206	0.77	3700	0.0627	0.3663	0.7326	0.7326	nan	0.7326	0.7326
0.051	0.79	3800	0.0649	0.3159	0.6318	0.6318	nan	0.6318	0.6318
0.0243	0.81	3900	0.0600	0.3370	0.6740	0.6740	nan	0.6740	0.6740
0.0108	0.83	4000	0.0614	0.3595	0.7190	0.7190	nan	0.7190	0.7190
0.0951	0.85	4100	0.0564	0.3571	0.7142	0.7142	nan	0.7142	0.7142
0.0731	0.87	4200	0.0597	0.3497	0.6994	0.6994	nan	0.6994	0.6994
0.0307	0.9	4300	0.0636	0.3468	0.6937	0.6937	nan	0.6937	0.6937
0.1039	0.92	4400	0.0594	0.3397	0.6795	0.6795	nan	0.6795	0.6795
0.0083	0.94	4500	0.0606	0.3512	0.7024	0.7024	nan	0.7024	0.7024
0.0113	0.96	4600	0.0597	0.3288	0.6576	0.6576	nan	0.6576	0.6576
0.0417	0.98	4700	0.0595	0.3405	0.6811	0.6811	nan	0.6811	0.6811
0.1944	1.0	4800	0.0594	0.3346	0.6691	0.6691	nan	0.6691	0.6691