segformer-b0-finetuned-segments-graffiti開源圖像分割模型

Home

Segformer B0 Finetuned Segments Graffiti

Developed by Adriatogi

基於NVIDIA的SegFormer-B0架構，在塗鴉分割數據集上微調的圖像分割模型，能夠準確識別和分割圖像中的塗鴉區域。

圖像分割

Transformers

Open Source License:Other #塗鴉分割 #高精度分割 #城市景觀分析

Downloads 14

Release Time : 3/19/2024

Model Overview

該模型是專門用於塗鴉檢測和分割的視覺模型，能夠將圖像中的塗鴉區域與背景分離，適用於城市管理、文物保護等場景。

Model Features

高精度塗鴉分割

在評估集上達到0.8048的平均交併比和0.8943的平均準確率

輕量級架構

基於SegFormer-B0的輕量級設計，適合資源受限環境部署

雙類別識別

能準確區分塗鴉區域(0.9056準確率)和非塗鴉區域(0.8830準確率)

Model Capabilities

圖像分割

塗鴉檢測

像素級分類

Use Cases

城市管理

非法塗鴉監測

自動檢測城市中的非法塗鴉，輔助市政清潔工作

可準確識別塗鴉區域，交併比達0.7870

文物保護

歷史建築塗鴉修復

識別歷史建築上的塗鴉區域，輔助修復工作

非塗鴉區域識別準確率達0.8830

🚀 segformer-b0-finetuned-segments-graffiti

該模型是在Adriatogi/graffiti數據集上對nvidia/mit-b0進行微調後的版本。它在評估集上取得了以下結果：

損失值（Loss）：0.3250
平均交併比（Mean Iou）：0.8048
平均準確率（Mean Accuracy）：0.8943
總體準確率（Overall Accuracy）：0.8929
非塗鴉準確率（Accuracy Not Graf）：0.8830
塗鴉準確率（Accuracy Graf）：0.9056
非塗鴉交併比（Iou Not Graf）：0.8227
塗鴉交併比（Iou Graf）：0.7870

📚 詳細文檔

模型信息

屬性	詳情
基礎模型	nvidia/mit-b0
模型類型	視覺、圖像分割
生成方式	由訓練器生成

訓練過程

訓練超參數

在訓練過程中使用了以下超參數：

學習率（learning_rate）：0.0001
訓練批次大小（train_batch_size）：1
評估批次大小（eval_batch_size）：1
隨機種子（seed）：42
優化器（optimizer）：Adam，其中betas=(0.9, 0.999)，epsilon=1e-08
學習率調度器類型（lr_scheduler_type）：線性
學習率調度器熱身比例（lr_scheduler_warmup_ratio）：0.05
訓練輪數（num_epochs）：10

訓練結果

訓練損失	輪數	步數	驗證損失	平均交併比	平均準確率	總體準確率	非塗鴉準確率	塗鴉準確率	非塗鴉交併比	塗鴉交併比
0.5235	0.21	20	0.6135	0.6499	0.8016	0.7879	0.6926	0.9105	0.6476	0.6523
0.5744	0.42	40	0.4091	0.7237	0.8496	0.8398	0.7714	0.9279	0.7305	0.7169
0.3705	0.62	60	0.3959	0.7389	0.8592	0.8500	0.7864	0.9320	0.7469	0.7309
0.1897	0.83	80	0.3006	0.7748	0.8666	0.8774	0.9525	0.7807	0.8139	0.7357
0.1662	1.04	100	0.2900	0.7817	0.8723	0.8809	0.9407	0.8040	0.8164	0.7469
0.4537	1.25	120	0.2751	0.7956	0.8830	0.8886	0.9276	0.8384	0.8242	0.7669
0.1249	1.46	140	0.2719	0.7944	0.8841	0.8873	0.9094	0.8588	0.8196	0.7691
0.4985	1.67	160	0.3441	0.7463	0.8630	0.8550	0.7995	0.9264	0.7563	0.7363
0.4279	1.88	180	0.2911	0.7819	0.8764	0.8796	0.9016	0.8512	0.8082	0.7555
0.1776	2.08	200	0.2808	0.7928	0.8831	0.8864	0.9093	0.8569	0.8184	0.7673
0.209	2.29	220	0.2815	0.7857	0.8752	0.8832	0.9393	0.8111	0.8191	0.7522
0.152	2.5	240	0.2833	0.7921	0.8846	0.8854	0.8916	0.8775	0.8142	0.7700
0.5696	2.71	260	0.2698	0.8035	0.8921	0.8923	0.8941	0.8901	0.8238	0.7832
0.1003	2.92	280	0.3147	0.7739	0.8796	0.8729	0.8263	0.9329	0.7854	0.7624
0.1349	3.12	300	0.2961	0.7980	0.8906	0.8886	0.8747	0.9064	0.8154	0.7805
0.2552	3.33	320	0.2701	0.8001	0.8914	0.8900	0.8800	0.9028	0.8183	0.7820
0.1138	3.54	340	0.2808	0.7890	0.8854	0.8830	0.8664	0.9044	0.8065	0.7716
0.1602	3.75	360	0.2815	0.7956	0.8875	0.8875	0.8874	0.8875	0.8161	0.7751
0.0823	3.96	380	0.3195	0.7753	0.8799	0.8739	0.8325	0.9272	0.7879	0.7627
0.331	4.17	400	0.3339	0.7782	0.8821	0.8757	0.8312	0.9330	0.7901	0.7664
0.205	4.38	420	0.3083	0.7923	0.8885	0.8849	0.8595	0.9175	0.8077	0.7769
0.1659	4.58	440	0.3035	0.7887	0.8862	0.8826	0.8569	0.9156	0.8042	0.7731
0.1186	4.79	460	0.2856	0.8004	0.8839	0.8923	0.9500	0.8179	0.8323	0.7684
0.2964	5.0	480	0.3583	0.7592	0.8723	0.8633	0.8004	0.9442	0.7672	0.7512
0.0742	5.21	500	0.3269	0.7804	0.8820	0.8772	0.8444	0.9196	0.7947	0.7660
0.1355	5.42	520	0.3504	0.7784	0.8819	0.8759	0.8338	0.9301	0.7908	0.7661
0.0757	5.62	540	0.2771	0.8062	0.8927	0.8942	0.9050	0.8804	0.8280	0.7844
0.2015	5.83	560	0.3324	0.7851	0.8850	0.8802	0.8469	0.9232	0.7992	0.7711
0.1187	6.04	580	0.2853	0.8077	0.8943	0.8949	0.8995	0.8891	0.8282	0.7872
0.1243	6.25	600	0.3166	0.7968	0.8915	0.8875	0.8599	0.9232	0.8115	0.7820
0.0484	6.46	620	0.2876	0.8134	0.8968	0.8986	0.9110	0.8826	0.8349	0.7919
0.0772	6.67	640	0.2985	0.8085	0.8964	0.8951	0.8863	0.9064	0.8263	0.7907
0.2296	6.88	660	0.3134	0.8080	0.8951	0.8950	0.8940	0.8962	0.8274	0.7886
0.0544	7.08	680	0.3300	0.8014	0.8925	0.8907	0.8780	0.9070	0.8189	0.7839
0.0942	7.29	700	0.3133	0.8070	0.8936	0.8946	0.9013	0.8860	0.8280	0.7860
0.2432	7.5	720	0.3376	0.8014	0.8938	0.8905	0.8675	0.9201	0.8168	0.7860
0.0637	7.71	740	0.3021	0.8108	0.8968	0.8967	0.8965	0.8970	0.8301	0.7915
0.0946	7.92	760	0.3242	0.8048	0.8943	0.8929	0.8831	0.9054	0.8227	0.7870
0.1291	8.12	780	0.3315	0.8011	0.8934	0.8903	0.8689	0.9179	0.8169	0.7853
0.1077	8.33	800	0.3095	0.8117	0.8944	0.8979	0.9221	0.8667	0.8356	0.7877
0.177	8.54	820	0.3174	0.8117	0.8951	0.8977	0.9162	0.8740	0.8345	0.7888
0.057	8.75	840	0.3106	0.8111	0.8973	0.8968	0.8930	0.9016	0.8297	0.7925
0.2007	8.96	860	0.3645	0.7953	0.8909	0.8866	0.8571	0.9247	0.8097	0.7809
0.1281	9.17	880	0.3561	0.8008	0.8932	0.8902	0.8688	0.9176	0.8166	0.7850
0.0639	9.38	900	0.3120	0.8109	0.8969	0.8968	0.8962	0.8975	0.8301	0.7917
0.0766	9.58	920	0.3306	0.8057	0.8947	0.8934	0.8843	0.9051	0.8236	0.7877
0.1766	9.79	940	0.3321	0.8042	0.8941	0.8925	0.8813	0.9068	0.8219	0.7866
0.0842	10.0	960	0.3250	0.8048	0.8943	0.8929	0.8830	0.9056	0.8227	0.7870