SegFormer - B0オープンソース画像セグメンテーションモデル - 無料でデプロイし、高精度なセマンティックセグメンテーションタスクを実現

ホーム

Segformer B0 Finetuned Morphpadver1 Hgo Coord V2

NICOPOI-9によって開発

SegFormerアーキテクチャに基づく軽量画像セグメンテーションモデル。NICOPOI-9/morphpad_coord_hgo_512_4classデータセットで微調整され、高精度セマンティックセグメンテーションタスク専用です。

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 #高精度画像セグメンテーション #医用画像処理 #微調整最適化

ダウンロード数 23

リリース時間 : 4/25/2025

モデル概要

このモデルはSegFormer-B0の微調整版で、特定の画像セグメンテーションタスク向けに最適化されており、評価データセットで極めて高い精度（平均IoU 0.9952）と安定性を示します。

モデル特徴

高精度セグメンテーション

評価データセットで0.9952の平均IoUを達成し、全角度で99%以上のセグメンテーション精度を実現

軽量アーキテクチャ

SegFormer-B0ベースの軽量設計で、リソース制約環境での展開に適しています

多角度適応

0°と90°など異なる角度の対象物セグメンテーションで優れた性能（0-0精度99.93%、90-90精度99.83%）

モデル能力

画像セマンティックセグメンテーション

マルチクラスピクセル分類

高精度エッジ検出

使用事例

医用画像解析

組織形態学的分析

病理スライド中の特定組織構造の精密セグメンテーションに使用

テストデータセットで99.56%の平均精度を達成

工業検査

機械部品位置特定

異なる角度の工業部品を識別・位置特定

全角度で99.5%以上の検出精度

🚀 segformer-b0-finetuned-morphpadver1-hgo-coord-v2

このモデルは、NICOPOI-9/morphpad_coord_hgo_512_4classデータセットでNICOPOI-9/segformer-b0-finetuned-morphpadver1-hgo-coord-v1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: 0.0408
平均IoU: 0.9952
平均精度: 0.9976
全体精度: 0.9976
精度 0-0: 0.9993
精度 0-90: 0.9958
精度 90-0: 0.9969
精度 90-90: 0.9983
IoU 0-0: 0.9975
IoU 0-90: 0.9929
IoU 90-0: 0.9949
IoU 90-90: 0.9955

📚 ドキュメント

モデルの説明

詳細情報は後日提供予定です。

想定される用途と制限

詳細情報は後日提供予定です。

学習と評価データ

詳細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: 1
評価バッチサイズ: 1
シード: 42
オプティマイザ: betas=(0.9,0.999)、epsilon=1e-08のOptimizerNames.ADAMW_TORCHを使用。追加のオプティマイザ引数はありません。
学習率スケジューラの種類: linear
エポック数: 60

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	精度 0-0	精度 0-90	精度 90-0	精度 90-90	IoU 0-0	IoU 0-90	IoU 90-0	IoU 90-90
0.0654	2.5445	4000	0.1134	0.9236	0.9604	0.9602	0.9729	0.9373	0.9642	0.9674	0.9265	0.9144	0.9233	0.9301
0.0552	5.0891	8000	0.1426	0.9161	0.9562	0.9561	0.9607	0.9538	0.9547	0.9555	0.9166	0.9146	0.9112	0.9218
0.0469	7.6336	12000	0.0633	0.9556	0.9774	0.9773	0.9811	0.9714	0.9744	0.9826	0.9588	0.9516	0.9545	0.9576
0.0378	10.1781	16000	0.0506	0.9650	0.9822	0.9822	0.9826	0.9773	0.9844	0.9844	0.9661	0.9601	0.9643	0.9696
0.0582	12.7226	20000	0.0402	0.9737	0.9867	0.9866	0.9925	0.9891	0.9791	0.9860	0.9774	0.9700	0.9699	0.9774
0.0322	15.2672	24000	0.0453	0.9707	0.9850	0.9851	0.9809	0.9843	0.9909	0.9840	0.9746	0.9715	0.9637	0.9728
0.0254	17.8117	28000	0.1030	0.9652	0.9823	0.9822	0.9895	0.9808	0.9748	0.9841	0.9761	0.9599	0.9583	0.9666
2.3028	20.3562	32000	0.0572	0.9745	0.9871	0.9870	0.9861	0.9839	0.9885	0.9896	0.9789	0.9717	0.9700	0.9773
0.0769	22.9008	36000	0.0225	0.9866	0.9932	0.9932	0.9960	0.9899	0.9939	0.9932	0.9893	0.9837	0.9849	0.9884
0.0512	25.4453	40000	0.0329	0.9850	0.9924	0.9924	0.9959	0.9867	0.9954	0.9917	0.9857	0.9820	0.9843	0.9878
0.3281	27.9898	44000	0.0301	0.9866	0.9933	0.9932	0.9958	0.9913	0.9907	0.9952	0.9899	0.9858	0.9843	0.9863
0.1536	30.5344	48000	0.0355	0.9889	0.9944	0.9944	0.9981	0.9927	0.9920	0.9949	0.9941	0.9855	0.9880	0.9880
0.0079	33.0789	52000	0.0256	0.9933	0.9966	0.9966	0.9979	0.9951	0.9961	0.9974	0.9956	0.9917	0.9934	0.9924
0.0074	35.6234	56000	0.0205	0.9938	0.9969	0.9969	0.9983	0.9970	0.9966	0.9956	0.9963	0.9923	0.9928	0.9939
0.0077	38.1679	60000	0.0255	0.9933	0.9967	0.9966	0.9985	0.9946	0.9964	0.9971	0.9954	0.9925	0.9919	0.9934
0.0061	40.7125	64000	0.0282	0.9945	0.9972	0.9972	0.9987	0.9958	0.9974	0.9969	0.9967	0.9916	0.9950	0.9945
0.0051	43.2570	68000	0.0262	0.9937	0.9969	0.9968	0.9987	0.9949	0.9959	0.9979	0.9968	0.9916	0.9934	0.9930
0.0047	45.8015	72000	0.0564	0.9912	0.9956	0.9956	0.9991	0.9950	0.9940	0.9943	0.9958	0.9882	0.9897	0.9912
0.0046	48.3461	76000	0.0492	0.9939	0.9969	0.9969	0.9992	0.9941	0.9974	0.9970	0.9969	0.9903	0.9938	0.9945
0.0552	50.8906	80000	0.0438	0.9948	0.9974	0.9974	0.9992	0.9966	0.9967	0.9972	0.9980	0.9924	0.9948	0.9941
0.0039	53.4351	84000	0.0361	0.9953	0.9976	0.9976	0.9991	0.9961	0.9973	0.9981	0.9975	0.9928	0.9952	0.9956
0.0034	55.9796	88000	0.0317	0.9958	0.9979	0.9979	0.9993	0.9964	0.9974	0.9985	0.9979	0.9937	0.9955	0.9963
0.0149	58.5242	92000	0.0408	0.9952	0.9976	0.9976	0.9993	0.9958	0.9969	0.9983	0.9975	0.9929	0.9949	0.9955