route_background_semantic_x2オープンソース画像分割モデル - 無料デプロイで道路背景のセマンティック分割をサポート

Route Background Semantic X2

Logiroadによって開発

このモデルはLogiroad/route_background_semantic_x2をLogiroad/route_background_semanticデータセットでファインチューニングした画像分割モデルで、主に道路背景のセマンティックセグメンテーションタスクに使用されます。

ダウンロード数 78

リリース時間 : 4/4/2025

モデル概要

これは道路背景のセマンティックセグメンテーション用のビジョンモデルで、画像中の切断、天候反射、凍結や浸水などの様々な道路特徴を識別・分割できます。

多クラスセグメンテーション

切断、天候反射、凍結や浸水など、複数の道路特徴を識別・分割できます。

高精度セグメンテーション

複数のセグメンテーションカテゴリーで高い精度とIoUを達成しています。

最適化トレーニング

AdamWオプティマイザーとcosine学習率スケジューラーを使用してトレーニングされ、モデル性能が最適化されています。

画像分割

道路特徴認識

セマンティックセグメンテーション

道路メンテナンス

道路損傷検出

道路上の切断、凍結や浸水などの損傷状況を識別します。

切断カテゴリーで0.2100の精度、凍結や浸水カテゴリーで0.3102の精度を達成。

天候反射分析

道路上の天候反射状況を検出し、道路安全性評価を支援します。

天候反射カテゴリーで0.1023の精度を達成。

インフラ管理

道路修復評価

修復が必要な道路区域を識別し、メンテナンス作業の計画を支援します。

その他の修復カテゴリーで0.3946の精度を達成。

このモデルは、Logiroad/route_background_semantic_x2 を Logiroad/route_background_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す。評価セットでは以下の結果を達成しています。

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。以下のセクションでは、モデルの訓練に使用されたハイパーパラメータや評価セットでの結果について説明します。

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: 6
評価バッチサイズ: 6
シード: 1337
オプティマイザ: OptimizerNames.ADAMW_TORCH を使用し、ベータ=(0.9,0.999)、イプシロン=1e-08、追加のオプティマイザ引数はなし
学習率スケジューラタイプ: cosine
訓練ステップ数: 200000

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	切り取り精度	気象反射精度	その他の修理精度	凍結または染み出し精度	出現精度	未ラベルIoU	切り取りIoU	気象反射IoU	その他の修理IoU	凍結または染み出しIoU	出現IoU
0.1536	1.0	1618	0.3285	0.1946	0.2516	0.2839	nan	0.3153	0.0910	0.3010	0.1459	0.4049	0.0	0.2603	0.0871	0.2855	0.1365	0.3979
0.1476	2.0	3236	0.3270	0.2135	0.2824	0.2909	nan	0.2356	0.0396	0.3264	0.2896	0.5205	0.0	0.2038	0.0381	0.3074	0.2251	0.5063
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...