Vehicle Detection Model

🚀 車輛檢測模型

本模型是一個車輛檢測模型，它基於 facebook/detr-resnet-50 在特定數據集上進行微調得到。該模型在評估集上取得了一系列評估指標結果，可用於車輛檢測相關的任務。

🚀 快速開始

本模型是 facebook/detr-resnet-50 在未知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）：0.7220
• 平均精度均值（Map）：0.0875
• 閾值為 50 時的平均精度均值（Map 50）：0.1634
• 閾值為 75 時的平均精度均值（Map 75）：0.084
• 小目標的平均精度均值（Map Small）：0.355
• 中目標的平均精度均值（Map Medium）：0.1423
• 大目標的平均精度均值（Map Large）：0.0499
• 召回率為 1 時的平均召回率（Mar 1）：0.1462
• 召回率為 10 時的平均召回率（Mar 10）：0.2602
• 召回率為 100 時的平均召回率（Mar 100）：0.2709
• 小目標的平均召回率（Mar Small）：0.5
• 中目標的平均召回率（Mar Medium）：0.4013
• 大目標的平均召回率（Mar Large）：0.3
• 露營車的平均精度均值（Map Camping car）：0.0039
• 召回率為 100 時露營車的平均召回率（Mar 100 Camping car）：0.35
• 汽車的平均精度均值（Map Car）：0.4971
• 召回率為 100 時汽車的平均召回率（Mar 100 Car）：0.6256
• 其他目標的平均精度均值（Map Other）：0.0
• 召回率為 100 時其他目標的平均召回率（Mar 100 Other）：0.0
• 皮卡的平均精度均值（Map Pickup）：0.0239
• 召回率為 100 時皮卡的平均召回率（Mar 100 Pickup）：0.65
• 卡車的平均精度均值（Map Truck）：0.0
• 召回率為 100 時卡車的平均召回率（Mar 100 Truck）：0.0
• 貨車的平均精度均值（Map Van）：0.0
• 召回率為 100 時貨車的平均召回率（Mar 100 Van）：0.0

📚 詳細文檔

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）：8
• 評估批次大小（eval_batch_size）：8
• 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）：餘弦退火調度器（cosine）
• 訓練輪數（num_epochs）：30

訓練結果

框架版本

• Transformers：4.41.2
• Pytorch：2.3.0+cu121
• Datasets：2.20.0
• Tokenizers：0.19.1

📄 許可證

本模型採用 Apache 2.0 許可證。