Segformer - b0オープンソースセマンティックセグメンテーションモデル - 無料でデプロイ可能、歩道シーンの最適化に特化

ホーム

Segformer B0 Finetuned Segments Sidewalk 4

jakkaによって開発

MIT-B0アーキテクチャに基づく軽量セマンティックセグメンテーションモデル、歩道シナリオに最適化

画像セグメンテーション

Transformers

オープンソースライセンス:Apache-2.0 #歩道セマンティックセグメンテーション #軽量モデル #都市景観分析

ダウンロード数 15

リリース時間 : 5/30/2022

モデル概要

このモデルはSegFormer-B0をsegments/sidewalk-semantic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、都市歩道シナリオのセマンティックセグメンテーションタスクに適しており、様々な路面要素や障害物を識別可能です。

モデル特徴

軽量で効率的

B0小型アーキテクチャベースで、リソース制約環境での展開に適しています

歩道シナリオ最適化

都市歩道セマンティックセグメンテーションタスク向けに特別にファインチューニングされています

多クラス識別

30+クラスの路面要素識別をサポート（無効クラス含む）

モデル能力

画像セマンティックセグメンテーション

路面要素識別

障害物検出

使用事例

スマートシティ

歩道バリアフリー検出

通行に影響する障害物や路面欠陥を自動識別

検証セットで平坦路面の識別精度93.3%を達成

自動運転

歩行者エリア分割

自動運転システムに通行可能領域識別を提供

歩道に対するIoUは78.4%

🚀 segformer-b0-finetuned-segments-sidewalk-4

このモデルは、segments/sidewalk-semanticデータセットでnvidia/mit-b0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: 1.6258
平均IoU: 0.1481
平均精度: 0.1991
全体精度: 0.7316
カテゴリ別IoU: [nan, 0.4971884694242825, 0.7844619900838784, 0.0, 0.10165655377640956, 0.007428563507709108, nan, 4.566798099115959e-06, 0.0, 0.0, 0.5570746278221521, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.534278997386317, 0.0, 0.0, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.7557693923373933, 0.5270379031768208, 0.8254522211471568, 0.0, 0.0, 0.0, 0.0]
カテゴリ別精度: [nan, 0.8698779680369205, 0.9122325676343133, 0.0, 0.10179229832932858, 0.007508413919135004, nan, 4.566798099115959e-06, 0.0, 0.0, 0.8968168359562617, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.8492049383357001, 0.0, 0.0, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.9388033874781816, 0.6627890453030717, 0.9334458854084583, 0.0, 0.0, 0.0, 0.0]

🚀 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最適化されたモデルです。segments/sidewalk-semanticデータセットを使用してファインチューニングされています。

📚 ドキュメント

モデルの説明

詳細な情報は後日提供予定です。

想定される用途と制限事項

詳細な情報は後日提供予定です。

学習と評価データ

詳細な情報は後日提供予定です。

学習手順

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。

学習率: 6e-05
学習バッチサイズ: 32
評価バッチサイズ: 32
シード: 42
オプティマイザ: Adam（ベータ=(0.9,0.999)、イプシロン=1e-08）
学習率スケジューラの種類: 線形
エポック数: 2

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	カテゴリ別IoU	カテゴリ別精度
1.7912	1.0	25	1.6392	0.1412	0.1911	0.7210	[nan, 0.48942576059104514, 0.7754689525048201, 0.0, 0.031932013148008094, 0.004348266117522573, nan, 1.5527099355168697e-05, 0.0, 0.0, 0.5356571432088642, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.5243044552616699, 0.0, 0.0, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.7355207837531991, 0.4479559177066271, 0.8315839315332364, 0.0, 0.0, 0.0, 0.0]	[nan, 0.8476069713517648, 0.9129050708992534, 0.0, 0.03194435645315849, 0.004370669306327572, nan, 1.552711353699426e-05, 0.0, 0.0, 0.897824434787493, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.8555478632753987, 0.0, 0.0, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.9510113270409175, 0.5116786406550935, 0.9122706949370997, 0.0, 0.0, 0.0, 0.0]
1.7531	2.0	50	1.6258	0.1481	0.1991	0.7316	[nan, 0.4971884694242825, 0.7844619900838784, 0.0, 0.10165655377640956, 0.007428563507709108, nan, 4.566798099115959e-06, 0.0, 0.0, 0.5570746278221521, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.534278997386317, 0.0, 0.0, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.7557693923373933, 0.5270379031768208, 0.8254522211471568, 0.0, 0.0, 0.0, 0.0]	[nan, 0.8698779680369205, 0.9122325676343133, 0.0, 0.10179229832932858, 0.007508413919135004, nan, 4.566798099115959e-06, 0.0, 0.0, 0.8968168359562617, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.8492049383357001, 0.0, 0.0, 0.0, 0.0, nan, 0.0, 0.0, 0.0, 0.0, 0.9388033874781816, 0.6627890453030717, 0.9334458854084583, 0.0, 0.0, 0.0, 0.0]