Diagram Detr R50 Finetuned

D

Diagram Detr R50 Finetuned

由synergycodes開發

該模型是基於DETR架構的目標檢測模型，在bpmn-shapes數據集上進行了微調，適用於圖表元素的檢測任務。

開源協議:Apache-2.0 #BPMN圖表檢測 #DETR目標檢測 #Albumentations增強

下載量 26

發布時間 : 1/19/2024

模型概述

基於DETR架構的視覺目標檢測模型，專門針對BPMN圖表中的形狀元素進行了優化。

模型特點

基於Transformer的檢測架構

採用DETR架構，結合了Transformer和CNN的優勢，實現端到端的目標檢測

針對圖表元素的優化

在bpmn-shapes數據集上進行了專門微調，適合檢測圖表中的各種形狀元素

高效的訓練過程

使用混合精度訓練和線性學習率調度器，優化了訓練效率

模型能力

圖表元素檢測

目標定位

形狀識別

使用案例

業務流程建模

BPMN圖表分析

自動檢測和識別BPMN圖表中的各種流程元素

驗證損失0.9817

文檔處理

技術文檔解析

從技術文檔中提取圖表和圖形元素

🚀 daigram_detr_r50_albumentations_finetuning

本模型是 kacper-cierzniewski/daigram_detr_r50_albumentations 在 bpmn-shapes 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：0.9817

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

學習率：1e-05
訓練批次大小：48
評估批次大小：48
隨機種子：42
優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
學習率調度器類型：線性
訓練輪數：500
混合精度訓練：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
0.9457	12.5	50	1.0238
0.9717	25.0	100	1.0411
0.9823	37.5	150	1.0269
0.9524	50.0	200	1.0518
0.9886	62.5	250	1.0548
0.9638	75.0	300	1.0454
0.948	87.5	350	1.0240
0.9312	100.0	400	1.0281
0.9183	112.5	450	1.0112
0.9219	125.0	500	1.0110
0.9285	137.5	550	1.0325
0.9177	150.0	600	1.0009
0.9323	162.5	650	1.0124
0.9333	175.0	700	1.0154
0.9386	187.5	750	1.0188
0.9586	200.0	800	0.9978
0.894	212.5	850	1.0087
0.8999	225.0	900	1.0055
0.9324	237.5	950	1.0185
0.9313	250.0	1000	0.9840
0.9177	262.5	1050	0.9785
0.8918	275.0	1100	0.9874
0.9145	287.5	1150	0.9802
0.89	300.0	1200	0.9879
0.8818	312.5	1250	0.9857
0.9256	325.0	1300	0.9951
0.9028	337.5	1350	1.0001
0.9252	350.0	1400	1.0033
0.9017	362.5	1450	0.9916
0.8783	375.0	1500	0.9858
0.911	387.5	1550	0.9758
0.8797	400.0	1600	0.9810
0.8995	412.5	1650	0.9840
0.8781	425.0	1700	0.9843
0.8897	437.5	1750	0.9745
0.905	450.0	1800	0.9825
0.8961	462.5	1850	0.9781
0.8865	475.0	1900	0.9781
0.8824	487.5	1950	0.9794
0.8836	500.0	2000	0.9817

框架版本

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.0

📄 許可證

本項目採用 Apache-2.0 許可證。

📋 模型信息表格

屬性	詳情
基礎模型	kacper-cierzniewski/daigram_detr_r50_albumentations
標籤	generated_from_trainer
數據集	bpmn-shapes
模型名稱	daigram_detr_r50_albumentations_finetuning

精選推薦AI模型

Qwen2.5 VL 7B Abliterated Caption It I1 GGUF

Qwen2.5-VL-7B-Abliterated-Caption-it的量化版本，支持多語言圖像描述任務。

圖像生成文本

Transformers 支持多種語言

Nunchaku Flux.1 Dev Colossus

Colossus Project Flux 的 Nunchaku 量化版本，旨在根據文本提示生成高質量圖像。該模型在優化推理效率的同時，將性能損失降至最低。

圖像生成英語

Qwen2.5 VL 7B Abliterated Caption It GGUF

這是一個基於Qwen2.5-VL-7B模型的靜態量化版本，專注於圖像描述生成任務，支持多種語言。

圖像生成文本

Transformers 支持多種語言

Olmocr 7B 0725 FP8

olmOCR-7B-0725-FP8是基於Qwen2.5-VL-7B-Instruct模型，使用olmOCR-mix-0225數據集微調後量化為FP8版本的文檔OCR模型。

圖像生成文本

Transformers 英語

Lucy-128k是基於Qwen3-1.7B開發的專注於代理式網絡搜索和輕量級瀏覽的模型，在移動設備上也能高效運行。

大型語言模型

Transformers 英語

AIbase

智啟未來，您的人工智能解決方案智庫

English 简体中文繁體中文にほんご

© 2025AIbase