segformer-b2-finetuned-ade-512-512_corm開源圖像分割模型

首頁

Segformer B2 Finetuned Ade 512 512 Corm

由mujerry開發

基於SegFormer架構的圖像分割模型，在ADE20K數據集上預訓練後進一步微調，擅長處理512x512分辨率的圖像分割任務

圖像分割

Transformers

開源協議:其他 #高精度圖像分割 #植物病理識別 #農業視覺檢測

下載量 20

發布時間 : 3/7/2025

模型概述

該模型是SegFormer-B2架構的變體，專門用於語義圖像分割任務，在未知數據集上微調後表現出色，特別在球莖和損傷區域的分割上具有高準確率

模型特點

高精度分割

在評估集上達到0.9264的平均交併比和0.9599的平均準確率

多類別識別

能夠準確區分背景、球莖和損傷三類目標

優化訓練

使用線性學習率調度和預熱策略進行40輪精細調優

模型能力

圖像語義分割

多類別像素級分類

高分辨率圖像處理(512x512)

使用案例

農業圖像分析

作物病害檢測

識別和分割作物圖像中的病害區域

損傷區域分割準確率達94.56%

植物學研究

植物器官分析

精確分割植物球莖等器官結構

球莖分割準確率達93.62%

🚀 segformer-b2-finetuned-ade-512-512_corm

本模型是基於計算機視覺領域的圖像分割模型，它在基礎模型上進行了微調，能夠在圖像分割任務中取得較好的效果，為圖像分析和處理提供了有力的支持。

🚀 快速開始

此模型是 nvidia/segformer-b2-finetuned-ade-512-512 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：0.0415
平均交併比（Mean Iou）：0.9264
平均準確率（Mean Accuracy）：0.9599
整體準確率（Overall Accuracy）：0.9860
背景準確率（Accuracy Background）：0.9978
珊瑚準確率（Accuracy Corm）：0.9362
損傷準確率（Accuracy Damage）：0.9456
背景交併比（Iou Background）：0.9942
珊瑚交併比（Iou Corm）：0.8799
損傷交併比（Iou Damage）：0.9052

🔧 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）：6e - 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）：線性
學習率調度器預熱比例（lr_scheduler_warmup_ratio）：0.05
訓練輪數（num_epochs）：40

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	整體準確率	背景準確率	珊瑚準確率	損傷準確率	背景交併比	珊瑚交併比	損傷交併比
0.8746	0.9524	20	0.8170	0.4637	0.6489	0.8404	0.9133	0.0390	0.9944	0.9132	0.0327	0.4451
0.61	1.9048	40	0.4500	0.7608	0.8748	0.9451	0.9731	0.6946	0.9566	0.9730	0.6023	0.7071
0.3681	2.8571	60	0.2802	0.8597	0.9314	0.9711	0.9879	0.8621	0.9443	0.9873	0.7716	0.8201
0.2433	3.8095	80	0.2201	0.8866	0.9456	0.9774	0.9916	0.9159	0.9293	0.9904	0.8181	0.8513
0.1669	4.7619	100	0.1607	0.8891	0.9431	0.9783	0.9930	0.8723	0.9640	0.9915	0.8178	0.8580
0.1484	5.7143	120	0.1250	0.9017	0.9489	0.9812	0.9964	0.9423	0.9080	0.9932	0.8432	0.8688
0.1126	6.6667	140	0.1024	0.9092	0.9524	0.9827	0.9962	0.9247	0.9363	0.9934	0.8539	0.8804
0.0909	7.6190	160	0.0932	0.9017	0.9492	0.9813	0.9968	0.9563	0.8944	0.9935	0.8445	0.8670
0.0994	8.5714	180	0.0803	0.9122	0.9527	0.9833	0.9967	0.9118	0.9495	0.9936	0.8568	0.8861
0.0768	9.5238	200	0.0716	0.9147	0.9533	0.9838	0.9975	0.9247	0.9376	0.9937	0.8615	0.8889
0.0749	10.4762	220	0.0671	0.9177	0.9550	0.9844	0.9973	0.9191	0.9487	0.9939	0.8661	0.8932
0.0663	11.4286	240	0.0668	0.9097	0.9528	0.9829	0.9973	0.9528	0.9083	0.9939	0.8558	0.8795
0.0725	12.3810	260	0.0608	0.9189	0.9554	0.9847	0.9974	0.9123	0.9564	0.9940	0.8677	0.8951
0.0594	13.3333	280	0.0588	0.9167	0.9533	0.9843	0.9975	0.9000	0.9625	0.9940	0.8622	0.8940
0.062	14.2857	300	0.0552	0.9201	0.9565	0.9849	0.9972	0.9170	0.9553	0.9941	0.8691	0.8970
0.0535	15.2381	320	0.0543	0.9195	0.9559	0.9848	0.9972	0.9078	0.9626	0.9942	0.8683	0.8962
0.0555	16.1905	340	0.0517	0.9212	0.9566	0.9851	0.9973	0.9113	0.9612	0.9942	0.8704	0.8990
0.0553	17.1429	360	0.0513	0.9198	0.9553	0.9849	0.9975	0.9047	0.9638	0.9942	0.8679	0.8974
0.0572	18.0952	380	0.0501	0.9219	0.9563	0.9853	0.9977	0.9108	0.9603	0.9942	0.8713	0.9002
0.0503	19.0476	400	0.0483	0.9245	0.9573	0.9856	0.9981	0.9212	0.9525	0.9940	0.8757	0.9037
0.0539	20.0	420	0.0474	0.9245	0.9593	0.9857	0.9974	0.9309	0.9497	0.9942	0.8769	0.9024
0.0542	20.9524	440	0.0484	0.9202	0.9575	0.9849	0.9978	0.9511	0.9235	0.9941	0.8718	0.8949
0.033	21.9048	460	0.0478	0.9209	0.9576	0.9850	0.9977	0.9464	0.9287	0.9941	0.8726	0.8961
0.0421	22.8571	480	0.0452	0.9247	0.9591	0.9857	0.9974	0.9244	0.9555	0.9942	0.8766	0.9033
0.0472	23.8095	500	0.0455	0.9243	0.9583	0.9857	0.9976	0.9231	0.9543	0.9942	0.8759	0.9028
0.0381	24.7619	520	0.0456	0.9233	0.9570	0.9855	0.9977	0.9109	0.9625	0.9942	0.8732	0.9026
0.0486	25.7143	540	0.0444	0.9249	0.9593	0.9857	0.9978	0.9408	0.9394	0.9941	0.8780	0.9026
0.0501	26.6667	560	0.0458	0.9208	0.9579	0.9850	0.9977	0.9508	0.9252	0.9942	0.8725	0.8957
0.0343	27.6190	580	0.0436	0.9251	0.9594	0.9857	0.9978	0.9413	0.9391	0.9941	0.8782	0.9031
0.0407	28.5714	600	0.0434	0.9251	0.9597	0.9858	0.9977	0.9416	0.9396	0.9942	0.8784	0.9028
0.0419	29.5238	620	0.0445	0.9221	0.9586	0.9852	0.9977	0.9496	0.9285	0.9942	0.8743	0.8978
0.0506	30.4762	640	0.0425	0.9262	0.9593	0.9860	0.9978	0.9311	0.9491	0.9942	0.8791	0.9053
0.0422	31.4286	660	0.0424	0.9262	0.9595	0.9860	0.9977	0.9267	0.9540	0.9942	0.8790	0.9054
0.0362	32.3810	680	0.0425	0.9258	0.9600	0.9859	0.9977	0.9402	0.9421	0.9942	0.8793	0.9039
0.0437	33.3333	700	0.0424	0.9262	0.9599	0.9860	0.9978	0.9377	0.9441	0.9942	0.8796	0.9047
0.0363	34.2857	720	0.0415	0.9264	0.9602	0.9860	0.9976	0.9367	0.9463	0.9942	0.8800	0.9049
0.039	35.2381	740	0.0421	0.9267	0.9596	0.9861	0.9978	0.9290	0.9521	0.9942	0.8798	0.9060
0.0425	36.1905	760	0.0418	0.9259	0.9598	0.9859	0.9978	0.9391	0.9426	0.9942	0.8794	0.9040
0.0462	37.1429	780	0.0417	0.9267	0.9600	0.9861	0.9976	0.9311	0.9513	0.9942	0.8801	0.9057
0.0466	38.0952	800	0.0416	0.9261	0.9599	0.9860	0.9978	0.9392	0.9427	0.9942	0.8795	0.9045
0.0428	39.0476	820	0.0414	0.9266	0.9598	0.9861	0.9978	0.9323	0.9494	0.9942	0.8800	0.9057
0.04	40.0	840	0.0415	0.9264	0.9599	0.9860	0.9978	0.9362	0.9456	0.9942	0.8799	0.9052