ホーム

Segformer B2 Cloth Parse 9

yolo12138によって開発

SegFormerアーキテクチャに基づく衣類分割モデルで、cloth_parsing_mixデータセットでファインチューニングされ、衣類の異なる部分を正確に識別・分割します。

画像セグメンテーション

Transformers

オープンソースライセンス:MIT #服装パーツ分割 #高精度セマンティックセグメンテーション #ファッション画像解析

ダウンロード数 156

リリース時間 : 12/15/2023

モデル概要

このモデルは衣類画像の分割タスク専用で、袖、ズボンの裾、襟など衣類の各構成部分を識別・分割できます。ファッション分析やバーチャルフィッティングなどのシナリオに適しています。

モデル特徴

高精度衣類分割

複数の衣類パーツで高い精度を達成し、特に上半身、ズボンの裾、袖などの主要パーツで優れた性能を発揮します。

多パーツ識別

内外襟、左右袖などの詳細部分を含む最大11種類の異なる衣類パーツを識別・分割できます。

効率的なトレーニング

比較的小さなバッチサイズ(12)と適度な学習率(1e-05)を使用して効率的にトレーニングされ、わずか5エポックで良好な結果が得られます。

モデル能力

衣類画像分割

多パーツ識別

ピクセルレベル分類

使用事例

ファッションテック

バーチャルフィッティングシステム

オンラインショッピングプラットフォームのバーチャルフィッティング機能に使用され、リアルな試着効果を実現するために衣類パーツを正確に分割します。

衣類デザイン分析

デザイナーが衣類の構造とパーツ比率を分析し、デザイン案を最適化するのを支援します。

Eコマース

商品画像自動タグ付け

ECプラットフォームの衣類商品画像にパーツタグを自動的に追加し、検索と推薦の精度を向上させます。

license: mit base_model: mattmdjaga/segformer_b2_clothes tags:

generated_from_trainer datasets:
cloth_parsing_mix model-index:
name: segformer-b2-cloth-parse-9 results: [] pipeline_tag: image-segmentation

segformer-b2-cloth-parse-9

This model is a fine-tuned version of mattmdjaga/segformer_b2_clothes on the cloth_parsing_mix dataset. It achieves the following results on the evaluation set:

Loss: 0.0433
Mean Iou: 0.8611
Mean Accuracy: 0.9107
Overall Accuracy: 0.9846
Accuracy Background: 0.9964
Accuracy Upper Torso: 0.9857
Accuracy Left Pants: 0.9654
Accuracy Right Patns: 0.9664
Accuracy Skirts: 0.9065
Accuracy Left Sleeve: 0.9591
Accuracy Right Sleeve: 0.9662
Accuracy Outer Collar: 0.6491
Accuracy Inner Collar: 0.8015
Iou Background: 0.9923
Iou Upper Torso: 0.9655
Iou Left Pants: 0.9017
Iou Right Patns: 0.9085
Iou Skirts: 0.8749
Iou Left Sleeve: 0.9223
Iou Right Sleeve: 0.9289
Iou Outer Collar: 0.5394
Iou Inner Collar: 0.7160

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: 1e-05
train_batch_size: 12
eval_batch_size: 12
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Iou	Mean Accuracy	Overall Accuracy	Accuracy Background	Accuracy Upper Torso	Accuracy Left Pants	Accuracy Right Patns	Accuracy Skirts	Accuracy Left Sleeve	Accuracy Right Sleeve	Accuracy Outer Collar	Accuracy Inner Collar	Iou Background	Iou Upper Torso	Iou Left Pants	Iou Right Patns	Iou Skirts	Iou Left Sleeve	Iou Right Sleeve	Iou Outer Collar	Iou Inner Collar
0.1054	0.11	500	0.1180	0.7305	0.7971	0.9670	0.9902	0.9720	0.9654	0.9756	0.8036	0.9226	0.9289	0.0716	0.5444	0.9830	0.9234	0.8752	0.8765	0.7370	0.8236	0.8232	0.0703	0.4628
0.1033	0.22	1000	0.0851	0.7862	0.8418	0.9746	0.9924	0.9829	0.9665	0.9653	0.8491	0.9145	0.9226	0.3219	0.6608	0.9866	0.9424	0.8858	0.8875	0.8105	0.8538	0.8614	0.2833	0.5642
0.0944	0.32	1500	0.0713	0.8077	0.8595	0.9773	0.9941	0.9833	0.9566	0.9625	0.8924	0.9094	0.9181	0.4414	0.6774	0.9880	0.9481	0.8937	0.8950	0.8437	0.8668	0.8751	0.3629	0.5958
0.0746	0.43	2000	0.0683	0.8190	0.8770	0.9783	0.9941	0.9796	0.9652	0.9722	0.8656	0.9480	0.9562	0.4882	0.7236	0.9888	0.9497	0.9070	0.9127	0.8306	0.8790	0.8870	0.3945	0.6218
0.0548	0.54	2500	0.0666	0.8187	0.8713	0.9787	0.9951	0.9831	0.9580	0.9606	0.8651	0.9215	0.9453	0.4839	0.7293	0.9893	0.9514	0.8939	0.9006	0.8245	0.8812	0.8964	0.4010	0.6298
0.0728	0.65	3000	0.0591	0.8271	0.8806	0.9804	0.9945	0.9839	0.9624	0.9659	0.8982	0.9399	0.9430	0.4884	0.7493	0.9900	0.9551	0.8940	0.8966	0.8583	0.8930	0.9011	0.4100	0.6458
0.0505	0.75	3500	0.0648	0.8218	0.8745	0.9797	0.9947	0.9847	0.9858	0.9905	0.8402	0.9500	0.9587	0.4480	0.7178	0.9900	0.9534	0.9022	0.9037	0.8223	0.8944	0.9017	0.3881	0.6402
0.0601	0.86	4000	0.0568	0.8415	0.8951	0.9817	0.9952	0.9817	0.9632	0.9640	0.9170	0.9521	0.9541	0.5781	0.7508	0.9903	0.9576	0.9138	0.9199	0.8716	0.9010	0.9106	0.4562	0.6529
0.0438	0.97	4500	0.0569	0.8431	0.8925	0.9815	0.9947	0.9844	0.9764	0.9838	0.8870	0.9492	0.9595	0.5561	0.7416	0.9903	0.9560	0.9287	0.9370	0.8585	0.9000	0.9089	0.4524	0.6559
0.0617	1.08	5000	0.0529	0.8417	0.8933	0.9816	0.9952	0.9841	0.9602	0.9631	0.8922	0.9475	0.9533	0.5797	0.7642	0.9907	0.9571	0.9097	0.9126	0.8488	0.9044	0.9158	0.4687	0.6678
0.0452	1.19	5500	0.0557	0.8351	0.8935	0.9812	0.9949	0.9842	0.9644	0.9667	0.8781	0.9494	0.9604	0.5961	0.7471	0.9906	0.9588	0.8803	0.8885	0.8349	0.9069	0.9169	0.4743	0.6645
0.0571	1.29	6000	0.0551	0.8351	0.8934	0.9810	0.9957	0.9831	0.9652	0.9693	0.8562	0.9593	0.9569	0.5959	0.7586	0.9910	0.9579	0.8842	0.8879	0.8188	0.9084	0.9155	0.4774	0.6749
0.0778	1.4	6500	0.0537	0.8430	0.8994	0.9818	0.9948	0.9839	0.9872	0.9921	0.8702	0.9587	0.9635	0.5790	0.7656	0.9911	0.9579	0.9044	0.9093	0.8458	0.9060	0.9157	0.4760	0.6808
0.0392	1.51	7000	0.0491	0.8503	0.9069	0.9830	0.9954	0.9823	0.9645	0.9666	0.9205	0.9534	0.9599	0.6214	0.7984	0.9916	0.9607	0.9123	0.9139	0.8755	0.9072	0.9180	0.4907	0.6830
0.0376	1.62	7500	0.0514	0.8442	0.9010	0.9819	0.9954	0.9832	0.9652	0.9660	0.8850	0.9525	0.9598	0.6257	0.7762	0.9914	0.9586	0.8944	0.9053	0.8355	0.9104	0.9215	0.4965	0.6838
0.0391	1.73	8000	0.0492	0.8422	0.8993	0.9819	0.9958	0.9836	0.9641	0.9671	0.8692	0.9561	0.9661	0.6159	0.7756	0.9916	0.9596	0.8882	0.8930	0.8338	0.9103	0.9189	0.4982	0.6860
0.0446	1.83	8500	0.0491	0.8515	0.9079	0.9829	0.9960	0.9836	0.9890	0.9913	0.8770	0.9505	0.9631	0.6458	0.7751	0.9916	0.9603	0.9114	0.9161	0.8559	0.9100	0.9217	0.5096	0.6867
0.041	1.94	9000	0.0482	0.8464	0.8978	0.9825	0.9958	0.9848	0.9619	0.9668	0.8822	0.9569	0.9659	0.5961	0.7703	0.9916	0.9602	0.8958	0.9018	0.8438	0.9148	0.9231	0.4966	0.6899
0.0744	2.05	9500	0.0474	0.8523	0.9018	0.9834	0.9961	0.9840	0.9598	0.9633	0.9195	0.9471	0.9644	0.6055	0.7766	0.9919	0.9619	0.9095	0.9125	0.8697	0.9113	0.9238	0.5010	0.6889
0.0433	2.16	10000	0.0471	0.8581	0.9103	0.9842	0.9951	0.9843	0.9617	0.9646	0.9416	0.9549	0.9718	0.6305	0.7879	0.9915	0.9644	0.9100	0.9155	0.8976	0.9145	0.9245	0.5127	0.6920
0.0412	2.26	10500	0.0468	0.8574	0.9042	0.9835	0.9956	0.9848	0.9628	0.9669	0.9023	0.9615	0.9677	0.6115	0.7847	0.9918	0.9601	0.9248	0.9286	0.8656	0.9177	0.9245	0.5073	0.6964
0.0489	2.37	11000	0.0496	0.8511	0.9029	0.9832	0.9956	0.9858	0.9905	0.9948	0.8694	0.9574	0.9654	0.5748	0.7926	0.9921	0.9604	0.9066	0.9086	0.8615	0.9167	0.9228	0.4913	0.7004
0.0388	2.48	11500	0.0450	0.8594	0.9036	0.9849	0.9957	0.9857	0.9621	0.9648	0.9620	0.9493	0.9604	0.5733	0.7793	0.9922	0.9649	0.9155	0.9205	0.9076	0.9138	0.9257	0.4941	0.7002
0.0409	2.59	12000	0.0493	0.8579	0.9124	0.9844	0.9955	0.9853	0.9928	0.9929	0.9083	0.9573	0.9671	0.6288	0.7832	0.9921	0.9651	0.9046	0.9086	0.8842	0.9196	0.9267	0.5175	0.7026
0.0477	2.7	12500	0.0436	0.8610	0.9051	0.9848	0.9957	0.9868	0.9639	0.9675	0.9478	0.9445	0.9590	0.5972	0.7831	0.9919	0.9654	0.9187	0.9251	0.9029	0.9126	0.9253	0.5035	0.7034
0.0488	2.8	13000	0.0450	0.8577	0.9076	0.9842	0.9963	0.9848	0.9712	0.9695	0.9132	0.9493	0.9621	0.6188	0.8026	0.9924	0.9635	0.9095	0.9124	0.8742	0.9172	0.9276	0.5157	0.7065
0.0879	2.91	13500	0.0516	0.8453	0.8949	0.9819	0.9960	0.9867	0.9631	0.9665	0.8325	0.9618	0.9678	0.6033	0.7763	0.9919	0.9574	0.8955	0.9007	0.8088	0.9206	0.9245	0.5069	0.7013
0.0525	3.02	14000	0.0474	0.8521	0.9053	0.9830	0.9959	0.9849	0.9850	0.9925	0.8703	0.9481	0.9597	0.6076	0.8038	0.9923	0.9600	0.9050	0.9099	0.8420	0.9143	0.9263	0.5148	0.7044
0.0455	3.13	14500	0.0435	0.8579	0.9111	0.9842	0.9953	0.9852	0.9646	0.9672	0.9255	0.9569	0.9654	0.6514	0.7888	0.9923	0.9642	0.8971	0.9055	0.8780	0.9182	0.9284	0.5327	0.7046
0.0454	3.24	15000	0.0451	0.8599	0.9161	0.9844	0.9953	0.9858	0.9895	0.9907	0.8944	0.9635	0.9692	0.6643	0.7925	0.9924	0.9645	0.9061	0.9107	0.8803	0.9202	0.9236	0.5356	0.7058
0.0687	3.34	15500	0.0496	0.8482	0.9017	0.9827	0.9959	0.9869	0.9715	0.9676	0.8483	0.9616	0.9672	0.6235	0.7932	0.9922	0.9614	0.8904	0.8909	0.8269	0.9187	0.9218	0.5249	0.7069
0.0555	3.45	16000	0.0445	0.8568	0.9081	0.9838	0.9964	0.9858	0.9649	0.9681	0.8880	0.9585	0.9610	0.6510	0.7995	0.9922	0.9635	0.8996	0.9073	0.8582	0.9230	0.9257	0.5328	0.7093
0.0528	3.56	16500	0.0477	0.8549	0.9053	0.9833	0.9958	0.9875	0.9668	0.9677	0.8740	0.9512	0.9631	0.6512	0.7902	0.9920	0.9618	0.9021	0.9036	0.8486	0.9185	0.9254	0.5348	0.7070
0.043	3.67	17000	0.0439	0.8633	0.9173	0.9849	0.9960	0.9851	0.9860	0.9893	0.9114	0.9555	0.9656	0.6623	0.8046	0.9921	0.9666	0.9083	0.9158	0.8910	0.9197	0.9262	0.5391	0.7111
0.0372	3.77	17500	0.0474	0.8555	0.9039	0.9836	0.9959	0.9876	0.9626	0.9647	0.8818	0.9556	0.9623	0.6393	0.7858	0.9921	0.9623	0.8999	0.9065	0.8526	0.9218	0.9264	0.5299	0.7082
0.0614	3.88	18000	0.0463	0.8564	0.9088	0.9839	0.9959	0.9853	0.9644	0.9662	0.9035	0.9569	0.9638	0.6413	0.8025	0.9921	0.9643	0.8967	0.9020	0.8607	0.9202	0.9276	0.5330	0.7111
0.0413	3.99	18500	0.0453	0.8579	0.9123	0.9841	0.9963	0.9848	0.9794	0.9828	0.8865	0.9613	0.9695	0.6526	0.7977	0.9922	0.9648	0.8991	0.9047	0.8629	0.9221	0.9274	0.5369	0.7112
0.0386	4.1	19000	0.0438	0.8578	0.9109	0.9842	0.9959	0.9844	0.9649	0.9667	0.9154	0.9580	0.9662	0.6408	0.8062	0.9924	0.9644	0.8973	0.9025	0.8683	0.9196	0.9279	0.5340	0.7134
0.0541	4.21	19500	0.0443	0.8577	0.9118	0.9840	0.9957	0.9847	0.9829	0.9872	0.8935	0.9594	0.9686	0.6265	0.8077	0.9921	0.9641	0.9017	0.9079	0.8621	0.9203	0.9277	0.5298	0.7133
0.0409	4.31	20000	0.0433	0.8560	0.9083	0.9840	0.9959	0.9860	0.9670	0.9687	0.9020	0.9578	0.9632	0.6421	0.7918	0.9922	0.9652	0.8921	0.8966	0.8633	0.9206	0.9278	0.5349	0.7117
0.0398	4.42	20500	0.0451	0.8581	0.9102	0.9840	0.9960	0.9859	0.9687	0.9685	0.8885	0.9597	0.9684	0.6554	0.8004	0.9922	0.9638	0.9000	0.9042	0.8595	0.9232	0.9266	0.5395	0.7144
0.038	4.53	21000	0.0464	0.8608	0.9123	0.9843	0.9959	0.9866	0.9885	0.9907	0.8739	0.9616	0.9678	0.6398	0.8056	0.9921	0.9639	0.9088	0.9160	0.8657	0.9238	0.9273	0.5347	0.7150
0.0295	4.64	21500	0.0433	0.8596	0.9094	0.9840	0.9960	0.9864	0.9641	0.9664	0.8985	0.9535	0.9582	0.6581	0.8033	0.9922	0.9633	0.9056	0.9102	0.8619	0.9195	0.9276	0.5408	0.7151
0.0318	4.75	22000	0.0439	0.8600	0.9127	0.9842	0.9964	0.9848	0.9665	0.9676	0.8929	0.9627	0.9689	0.6656	0.8089	0.9923	0.9643	0.9007	0.9080	0.8645	0.9223	0.9283	0.5444	0.7156
0.0377	4.85	22500	0.0429	0.8619	0.9125	0.9846	0.9963	0.9849	0.9633	0.9666	0.9115	0.9609	0.9689	0.6527	0.8069	0.9923	0.9654	0.9052	0.9104	0.8762	0.9217	0.9288	0.5407	0.7166
0.0419	4.96	23000	0.0433	0.8611	0.9107	0.9846	0.9964	0.9857	0.9654	0.9664	0.9065	0.9591	0.9662	0.6491	0.8015	0.9923	0.9655	0.9017	0.9085	0.8749	0.9223	0.9289	0.5394	0.7160