Detr Resnet 50 Finetuned 10k Cppe5

🚀 detr-resnet-50-finetuned-10k-cppe5

該模型是 facebook/detr-resnet-50 在 cppe-5 數據集上的微調版本。它在目標檢測任務中表現出色，能夠精準識別特定目標。

🚀 快速開始

本模型是 facebook/detr-resnet-50 在 cppe-5 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）：0.9865
• 平均精度均值（Map）：0.3578
• Map 50：0.6781
• Map 75：0.3105
• Map 小目標：0.3578
• Map 中目標：-1.0
• Map 大目標：-1.0
• 召回率均值（Mar）1：0.365
• Mar 10：0.535
• Mar 100：0.5483
• Mar 小目標：0.5483
• Mar 中目標：-1.0
• Mar 大目標：-1.0
• Map 全覆蓋：0.6584
• Mar 100 全覆蓋：0.7772
• Map 防護面罩：0.3691
• Mar 100 防護面罩：0.6063
• Map 手套：0.2477
• Mar 100 手套：0.4266
• Map 護目鏡：0.1766
• Mar 100 護目鏡：0.4655
• Map 口罩：0.3371
• Mar 100 口罩：0.4661

🔧 技術細節

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）：1337
• 優化器（optimizer）：Adam，β1=0.9，β2=0.999，ε=1e-08
• 學習率調度器類型（lr_scheduler_type）：線性
• 訓練輪數（num_epochs）：100.0
• 混合精度訓練（mixed_precision_training）：原生自動混合精度（Native AMP）

訓練結果

| 訓練損失 | 輪數 | 步數 | 驗證損失 | Map | Map 50 | Map 75 | Map 小目標 | Map 中目標 | Map 大目標 | Mar 1 | Mar 10 | Mar 100 | Mar 小目標 | Mar 中目標 | Mar 大目標 | Map 全覆蓋 | Mar 100 全覆蓋 | Map 防護面罩 | Mar 100 防護面罩 | Map 手套 | Mar 100 手套 | Map 護目鏡 | Mar 100 護目鏡 | Map 口罩 | Mar 100 口罩 | | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | | 3.7198 | 1.0 | 107 | 3.1869 | 0.0036 | 0.0144 | 0.0006 | 0.0036 | -1.0 | -1.0 | 0.017 | 0.0426 | 0.0647 | 0.0647 | -1.0 | -1.0 | 0.0169 | 0.1994 | 0.0 | 0.0 | 0.0001 | 0.0177 | 0.0 | 0.0 | 0.0008 | 0.1062 | | 3.0393 | 2.0 | 214 | 2.8978 | 0.007 | 0.021 | 0.003 | 0.007 | -1.0 | -1.0 | 0.0192 | 0.0796 | 0.1238 | 0.1238 | -1.0 | -1.0 | 0.0333 | 0.5216 | 0.0 | 0.0 | 0.0001 | 0.0292 | 0.0 | 0.0 | 0.0017 | 0.0684 | | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | | 0.7089 | 100.0 | 10700 | 0.9865 | 0.3578 | 0.6781 | 0.3105 | 0.3578 | -1.0 | -1.0 | 0.365 | 0.535 | 0.5483 | 0.5483 | -1.0 | -1.0 | 0.6584 | 0.7772 | 0.3691 | 0.6063 | 0.2477 | 0.4266 | 0.1766 | 0.4655 | 0.3371 | 0.4661 |

📚 詳細文檔

框架版本

• Transformers：4.40.0.dev0
• Pytorch：1.13.0+cu117
• Datasets：2.18.0
• Tokenizers：0.19.0

📄 許可證

本模型採用 Apache-2.0 許可證。