Panels Detection Rtdetr

🚀 面板檢測RTDetr模型

本項目的panels_detection_rtdetr模型是基於目標檢測任務的微調模型，它在基礎模型上進行優化，以適應特定場景的面板檢測需求，能輸出豐富的檢測指標，為相關領域的應用提供有力支持。

🚀 快速開始

本模型是 PekingU/rtdetr_r101vd_coco_o365 在 None 數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值（Loss）：9.5718
• 平均精度均值（Map）：0.5617
• 50% 交併比下的平均精度均值（Map 50）：0.6631
• 75% 交併比下的平均精度均值（Map 75）：0.6137
• 小目標的平均精度均值（Map Small）：-1.0
• 中等目標的平均精度均值（Map Medium）：0.3451
• 大目標的平均精度均值（Map Large）：0.5935
• 1 個檢測框下的平均召回率（Mar 1）：0.6546
• 10 個檢測框下的平均召回率（Mar 10）：0.7877
• 100 個檢測框下的平均召回率（Mar 100）：0.8058
• 小目標在 100 個檢測框下的平均召回率（Mar Small）：-1.0
• 中等目標在 100 個檢測框下的平均召回率（Mar Medium）：0.5802
• 大目標在 100 個檢測框下的平均召回率（Mar Large）：0.8672
• 小雷達目標的平均精度均值（Map Radar (small)）：0.3509
• 小雷達目標在 100 個檢測框下的平均召回率（Mar 100 Radar (small)）：0.8077
• 小型船舶管理系統目標的平均精度均值（Map Ship management system (small)）：0.6748
• 小型船舶管理系統目標在 100 個檢測框下的平均召回率（Mar 100 Ship management system (small)）：0.8933
• 大型雷達目標的平均精度均值（Map Radar (large)）：0.5846
• 大型雷達目標在 100 個檢測框下的平均召回率（Mar 100 Radar (large)）：0.8624
• 大型船舶管理系統目標的平均精度均值（Map Ship management system (large)）：0.7577
• 大型船舶管理系統目標在 100 個檢測框下的平均召回率（Mar 100 Ship management system (large)）：0.9341
• 船舶管理系統頂部目標的平均精度均值（Map Ship management system (top)）：0.789
• 船舶管理系統頂部目標在 100 個檢測框下的平均召回率（Mar 100 Ship management system (top)）：0.8356
• 大型電子海圖顯示與信息系統目標的平均精度均值（Map Ecdis (large)）：0.3281
• 大型電子海圖顯示與信息系統目標在 100 個檢測框下的平均召回率（Mar 100 Ecdis (large)）：0.7652
• 小型視覺觀察目標的平均精度均值（Map Visual observation (small)）：0.585
• 小型視覺觀察目標在 100 個檢測框下的平均召回率（Mar 100 Visual observation (small)）：0.902
• 小型電子海圖顯示與信息系統目標的平均精度均值（Map Ecdis (small)）：0.7635
• 小型電子海圖顯示與信息系統目標在 100 個檢測框下的平均召回率（Mar 100 Ecdis (small)）：0.8967
• 船舶管理系統桌面目標的平均精度均值（Map Ship management system (table top)）：0.6306
• 船舶管理系統桌面目標在 100 個檢測框下的平均召回率（Mar 100 Ship management system (table top)）：0.7882
• 推進器控制目標的平均精度均值（Map Thruster control）：0.4949
• 推進器控制目標在 100 個檢測框下的平均召回率（Mar 100 Thruster control）：0.7447
• 左側視覺觀察目標的平均精度均值（Map Visual observation (left)）：0.6062
• 左側視覺觀察目標在 100 個檢測框下的平均召回率（Mar 100 Visual observation (left)）：0.8395
• 中間視覺觀察目標的平均精度均值（Map Visual observation (mid)）：0.7946
• 中間視覺觀察目標在 100 個檢測框下的平均召回率（Mar 100 Visual observation (mid)）：0.8901
• 右側視覺觀察目標的平均精度均值（Map Visual observation (right)）：0.7446
• 右側視覺觀察目標在 100 個檢測框下的平均召回率（Mar 100 Visual observation (right)）：0.8966
• 船首推進器目標的平均精度均值（Map Bow thruster）：0.2392
• 船首推進器目標在 100 個檢測框下的平均召回率（Mar 100 Bow thruster）：0.5167
• 主機傳令鍾目標的平均精度均值（Map Me telegraph）：0.0825
• 主機傳令鍾目標在 100 個檢測框下的平均召回率（Mar 100 Me telegraph）：0.5143

📚 詳細文檔

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：5e - 05
• 訓練批次大小（train_batch_size）：4
• 評估批次大小（eval_batch_size）：8
• 隨機種子（seed）：42
• 優化器（optimizer）：使用 adamw_torch，其中 betas = (0.9, 0.999)，epsilon = 1e - 08，無額外優化器參數
• 學習率調度器類型（lr_scheduler_type）：餘弦退火
• 訓練輪數（num_epochs）：7

訓練結果

框架版本

• Transformers 4.46.0
• Pytorch 2.5.0+cu121
• Datasets 3.0.2
• Tokenizers 0.20.1

📄 許可證

本項目採用 Apache - 2.0 許可證。