SegFormer - B0オープンソースセグメンテーションモデル - 建物の壁、窓やドアなどのさまざまな要素を無料で識別

ホーム

Segformer B0 Finetuned Segments Construction 1

yiming19によって開発

MIT-B0アーキテクチャに基づき建築シーンデータセットでファインチューニングされた分割モデルで、壁やドア・窓などの建築要素の識別に優れています

画像セグメンテーション

Transformers

オープンソースライセンス:その他 #建築シーン分割 #軽量モデル #施工環境認識

ダウンロード数 146

リリース時間 : 3/12/2023

モデル概要

このモデルは建築シーンに最適化された画像分割モデルで、建築平面図の様々な構造要素を識別できます

モデル特徴

建築シーン最適化

建築平面図要素（壁/ドア・窓など）に特化して最適化訓練されています

軽量アーキテクチャ

SegFormer-B0の軽量設計を採用し、リソースが限られた環境に適しています

多要素認識

目盛り、壁、床、ドアなど複数の建築要素を同時に識別可能

モデル能力

建築平面図分割

壁検出

ドア・窓位置特定

建築要素認識

使用事例

建築設計

平面図自動注釈

建築図面の構造要素を自動認識し注釈を生成

壁認識精度96.44%、ドア認識精度65.25%

施工進捗監視

現場写真から建築要素の完成状況を分析

インテリアデザイン

空間レイアウト分析

室内のドア・窓位置と壁構造を識別

🚀 segformer-b0-finetuned-segments-construction-1

このモデルは、nvidia/mit-b0 を yiming19/construction_place 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: 0.2796
平均IoU: 0.3218
平均精度: 0.5305
全体精度: 0.9276
未ラベル精度: nan
定規精度: 0.8954
ソケット精度: 0.0
壁精度: 0.9644
窓精度: nan
ヒーター精度: nan
床精度: 0.6710
天井精度: 0.0
幅木精度: nan
ドア精度: 0.6525
照明精度: nan
未ラベルIoU: nan
定規IoU: 0.7222
ソケットIoU: 0.0
壁IoU: 0.9553
窓IoU: 0.0
ヒーターIoU: nan
床IoU: 0.2630
天井IoU: 0.0
幅木IoU: 0.0
ドアIoU: 0.6342
照明IoU: nan

📚 ドキュメント

モデルの説明

このモデルは、画像セグメンテーションタスクに特化した、事前学習済みモデルをファインチューニングしたものです。

想定される用途と制限

このモデルは、建設現場の画像セグメンテーションに使用することを想定しています。ただし、特定の環境や条件下では性能が低下する可能性があります。

学習と評価データ

このモデルは、yiming19/construction_place データセットを使用して学習され、評価されました。

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。

パラメータ	値
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	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タイプ	線形
エポック数	50

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	未ラベル精度	定規精度	壁精度	窓精度	ヒーター精度	床精度	幅木精度	ドア精度	照明精度	未ラベルIoU	定規IoU	壁IoU	ヒーターIoU	床IoU	ドアIoU	照明IoU
1.8126	1.43	20	2.1233	0.1955	0.5160	0.8448	nan	0.8191	0.8868	nan	nan	0.9618	nan	0.4281	nan	0.0	0.5555	0.8845	0.0	0.2971	0.4135	0.0
1.905	2.86	40	1.3611	0.1827	0.4921	0.8505	nan	0.9275	0.9139	nan	nan	0.9627	nan	0.1484	nan	nan	0.5404	0.9095	0.0	0.2289	0.1484	0.0
1.1072	4.29	60	1.0502	0.2327	0.5517	0.8903	nan	0.9108	0.9266	nan	nan	0.9367	nan	0.5360	nan	nan	0.5301	0.9206	0.0	0.3475	0.5284	0.0
1.0076	5.71	80	0.8802	0.2744	0.5609	0.9089	nan	0.8208	0.9410	nan	nan	0.9532	nan	0.6505	nan	nan	0.5500	0.9277	0.0	0.3688	0.6227	nan
1.5533	7.14	100	0.8991	0.2846	0.5514	0.8878	nan	0.8918	0.9243	nan	nan	0.9591	nan	0.5332	nan	nan	0.5262	0.9169	nan	0.3209	0.5132	nan
0.9912	8.57	120	0.9340	0.2891	0.5652	0.8854	nan	0.9478	0.9151	nan	nan	0.9438	nan	0.5844	nan	nan	0.5059	0.9098	nan	0.3424	0.5544	nan
0.784	10.0	140	0.7017	0.3140	0.5984	0.9173	nan	0.9136	0.9305	nan	nan	0.8971	nan	0.8493	nan	nan	0.5324	0.9224	0.0	0.5805	0.7909	nan
0.5636	11.43	160	0.6925	0.3573	0.5978	0.9280	nan	0.8714	0.9412	nan	nan	0.8868	nan	0.8876	nan	nan	0.5701	0.9308	nan	0.5638	0.7935	nan
1.0692	12.86	180	0.7313	0.2931	0.5724	0.8981	nan	0.9587	0.9231	nan	nan	0.8880	nan	0.6647	nan	nan	0.4988	0.9182	nan	0.3342	0.5932	nan
0.7603	14.29	200	0.6907	0.2577	0.5744	0.9001	nan	0.9619	0.9251	nan	nan	0.8930	nan	0.6661	nan	nan	0.4939	0.9208	0.0	0.3219	0.5824	nan
0.9509	15.71	220	0.5110	0.3682	0.6069	0.9324	nan	0.9355	0.9417	nan	nan	0.8453	nan	0.9191	nan	nan	0.5671	0.9334	nan	0.6050	0.8403	nan
0.4254	17.14	240	0.5925	0.2961	0.5629	0.9023	nan	0.9646	0.9295	nan	nan	0.8261	nan	0.6569	nan	nan	0.5302	0.9243	nan	0.3138	0.6009	nan
0.3839	18.57	260	0.4226	0.3537	0.5479	0.9367	nan	0.9108	0.9540	nan	nan	0.5102	nan	0.9124	nan	nan	0.6643	0.9426	nan	0.3868	0.8361	nan
0.7441	20.0	280	0.5084	0.3533	0.5993	0.9277	nan	0.9691	0.9391	nan	nan	0.8075	nan	0.8801	nan	nan	0.5527	0.9333	nan	0.5197	0.8208	nan
0.4374	21.43	300	0.4683	0.3038	0.5549	0.9173	nan	0.9662	0.9480	nan	nan	0.7594	nan	0.6558	nan	nan	0.6024	0.9419	nan	0.2804	0.6056	nan
0.6224	22.86	320	0.4100	0.3810	0.5960	0.9374	nan	0.9704	0.9460	nan	nan	0.7131	nan	0.9467	nan	nan	0.5986	0.9401	nan	0.6197	0.8898	nan
0.4473	24.29	340	0.3933	0.3368	0.5431	0.9336	nan	0.9212	0.9620	nan	nan	0.6197	nan	0.7556	nan	nan	0.7221	0.9521	nan	0.2958	0.7245	nan
0.3364	25.71	360	0.4336	0.2976	0.5125	0.9134	nan	0.9408	0.9544	nan	nan	0.6075	nan	0.5721	nan	nan	0.6918	0.9481	nan	0.1998	0.5411	nan
0.281	27.14	380	0.3795	0.3689	0.5760	0.9420	nan	0.9250	0.9589	nan	nan	0.6859	nan	0.8863	nan	nan	0.7108	0.9518	nan	0.4576	0.8305	nan
0.3198	28.57	400	0.4023	0.3158	0.5143	0.9238	nan	0.9120	0.9610	nan	nan	0.5580	nan	0.6550	nan	nan	0.7210	0.9519	nan	0.2238	0.6293	nan
0.4624	30.0	420	0.3565	0.3770	0.5774	0.9475	nan	0.9408	0.9613	nan	nan	0.6287	nan	0.9337	nan	nan	0.6855	0.9539	nan	0.4943	0.8827	nan
0.2356	31.43	440	0.3940	0.3100	0.5349	0.9221	nan	0.9268	0.9602	nan	nan	0.7187	nan	0.6040	nan	nan	0.7005	0.9536	nan	0.2474	0.5781	nan
0.3931	32.86	460	0.3516	0.3162	0.5570	0.9258	nan	0.9338	0.9598	nan	nan	0.8124	nan	0.6362	nan	nan	0.6824	0.9542	nan	0.2888	0.6040	nan
0.2431	34.29	480	0.4011	0.2955	0.5291	0.9138	nan	0.9242	0.9583	nan	nan	0.7864	nan	0.5058	nan	nan	0.6954	0.9520	nan	0.2331	0.4832	nan
0.2131	35.71	500	0.2847	0.3764	0.5613	0.9487	nan	0.8877	0.9679	nan	nan	0.6103	nan	0.9020	nan	nan	0.7330	0.9571	nan	0.4539	0.8669	nan
0.4151	37.14	520	0.3176	0.3186	0.5239	0.9256	nan	0.8930	0.9640	nan	nan	0.6505	nan	0.6356	nan	nan	0.7251	0.9544	nan	0.2507	0.6187	nan
0.2408	38.57	540	0.3267	0.3071	0.5361	0.9208	nan	0.9264	0.9600	nan	nan	0.7441	nan	0.5859	nan	nan	0.6868	0.9538	nan	0.2526	0.5635	nan
0.2274	40.0	560	0.2875	0.3396	0.5471	0.9349	nan	0.9098	0.9626	nan	nan	0.6456	nan	0.7649	nan	nan	0.7018	0.9547	nan	0.3216	0.7387	nan
0.2452	41.43	580	0.2998	0.3181	0.5357	0.9279	nan	0.9089	0.9642	nan	nan	0.6932	nan	0.6480	nan	nan	0.6868	0.9538	nan	0.2526	0.5635	nan