segformer - b1 - 太陽光モジュール異常検出-v0.1オープンソース画像分割モデル

ホーム

Segformer B1 Solarmoduleanomaly V0.1

zklee98によって開発

nvidia/mit-b1をベースに太陽光モジュール異常検出データセットで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

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 #太陽光パネル異常検出 #画像セグメンテーションモデル #産業用視覚検査

ダウンロード数 18

リリース時間 : 4/14/2023

モデル概要

このモデルは太陽光モジュール異常検出タスク向けに最適化されたSegFormerアーキテクチャの画像セグメンテーションモデルで、太陽光モジュール内の異常領域を識別できます。

モデル特徴

太陽光モジュール異常検出

太陽光モジュール異常検出タスク向けに特別に最適化

効率的なセグメンテーションアーキテクチャ

SegFormer-b1アーキテクチャをベースに性能と効率のバランスを実現

モデル能力

画像セグメンテーション

異常領域検出

太陽光モジュール分析

使用事例

エネルギー産業

太陽光発電所点検

太陽光パネル上の異常領域を自動検出

評価データセットで0.7643の異常検出精度を達成

🚀 segformer-b1-solarModuleAnomaly-v0.1

このモデルは、nvidia/mit-b1 を zklee98/solarModuleAnomaly 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: 0.1547
平均IoU: 0.3822
平均精度: 0.7643
全体精度: 0.7643
未ラベル精度: nan
異常精度: 0.7643
未ラベルIoU: 0.0
異常IoU: 0.7643

🚀 クイックスタート

このモデルは、太陽光モジュールの異常検出に特化した画像セグメンテーションモデルです。以下のセクションでは、モデルの訓練手順や評価結果について詳しく説明します。

🔧 技術詳細

訓練ハイパーパラメータ

訓練中に使用されたハイパーパラメータは以下の通りです。

学習率: 6e-05
訓練バッチサイズ: 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の種類: 線形
エポック数: 15

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	未ラベル精度	異常精度	異常IoU
0.4699	0.4	20	0.6337	0.4581	0.9162	0.9162	nan	0.9162	0.9162
0.3129	0.8	40	0.4636	0.3704	0.7407	0.7407	nan	0.7407	0.7407
0.2732	1.2	60	0.3164	0.3867	0.7734	0.7734	nan	0.7734	0.7734
0.2653	1.6	80	0.3769	0.4090	0.8180	0.8180	nan	0.8180	0.8180
0.2232	2.0	100	0.2976	0.2479	0.4958	0.4958	nan	0.4958	0.4958
0.5305	2.4	120	0.3151	0.3807	0.7613	0.7613	nan	0.7613	0.7613
0.2423	2.8	140	0.3189	0.4152	0.8305	0.8305	nan	0.8305	0.8305
0.3341	3.2	160	0.2384	0.3861	0.7723	0.7723	nan	0.7723	0.7723
0.2146	3.6	180	0.3200	0.4621	0.9243	0.9243	nan	0.9243	0.9243
0.1866	4.0	200	0.2510	0.3646	0.7291	0.7291	nan	0.7291	0.7291
0.2861	4.4	220	0.2736	0.4202	0.8404	0.8404	nan	0.8404	0.8404
0.2048	4.8	240	0.2410	0.3912	0.7823	0.7823	nan	0.7823	0.7823
0.1604	5.2	260	0.2233	0.3672	0.7344	0.7344	nan	0.7344	0.7344
0.2756	5.6	280	0.2705	0.4494	0.8987	0.8987	nan	0.8987	0.8987
0.1859	6.0	300	0.2211	0.4045	0.8089	0.8089	nan	0.8089	0.8089
0.1306	6.4	320	0.2140	0.3763	0.7525	0.7525	nan	0.7525	0.7525
0.5508	6.8	340	0.2231	0.4185	0.8371	0.8371	nan	0.8371	0.8371
0.1446	7.2	360	0.2139	0.3666	0.7332	0.7332	nan	0.7332	0.7332
0.3275	7.6	380	0.2470	0.3964	0.7928	0.7928	nan	0.7928	0.7928
0.164	8.0	400	0.2017	0.3910	0.7819	0.7819	nan	0.7819	0.7819
0.1864	8.4	420	0.2307	0.4408	0.8816	0.8816	nan	0.8816	0.8816
0.1578	8.8	440	0.1869	0.3707	0.7414	0.7414	nan	0.7414	0.7414
0.1201	9.2	460	0.2115	0.3834	0.7667	0.7667	nan	0.7667	0.7667
0.1783	9.6	480	0.2009	0.3747	0.7495	0.7495	nan	0.7495	0.7495
0.1232	10.0	500	0.1797	0.3865	0.7729	0.7729	nan	0.7729	0.7729
0.2572	10.4	520	0.1983	0.4057	0.8115	0.8115	nan	0.8115	0.8115
0.1209	10.8	540	0.1607	0.4274	0.8547	0.8547	nan	0.8547	0.8547
0.1234	11.2	560	0.2260	0.4066	0.8133	0.8133	nan	0.8133	0.8133
0.145	11.6	580	0.1963	0.3939	0.7878	0.7878	nan	0.7878	0.7878
0.0665	12.0	600	0.1912	0.3873	0.7747	0.7747	nan	0.7747	0.7747
0.0826	12.4	620	0.2095	0.4186	0.8373	0.8373	nan	0.8373	0.8373
0.1212	12.8	640	0.1732	0.4059	0.8118	0.8118	nan	0.8118	0.8118
0.142	13.2	660	0.2086	0.4007	0.8013	0.8013	nan	0.8013	0.8013
0.0899	13.6	680	0.1838	0.3928	0.7856	0.7856	nan	0.7856	0.7856
0.1857	14.0	700	0.1638	0.4157	0.8315	0.8315	nan	0.8315	0.8315
0.0788	14.4	720	0.1736	0.4112	0.8223	0.8223	nan	0.8223	0.8223
0.2543	14.8	740	0.1547	0.3822	0.7643	0.7643	nan	0.7643	0.7643