mit-b0_corm開源圖像分割模型 - 評估表現出色助力精準圖像分割

首頁

Mit B0 Corm

由AI-Lab-Makerere開發

基於nvidia/mit-b0微調的圖像分割模型，在評估集上表現出色，平均交併比達0.9210，平均準確率0.9571。

圖像分割

Transformers

開源協議:其他 #高精度圖像分割 #農業損傷檢測 #多類別語義分割

下載量 50

發布時間 : 3/5/2025

模型概述

該模型是基於nvidia/mit-b0架構微調的圖像分割模型，專門用於識別和分割圖像中的背景、球莖和損傷區域。

模型特點

高精度分割

在評估集上取得0.9210的平均交併比和0.9571的平均準確率，表現優異。

多類別識別

能夠準確識別和分割背景、球莖和損傷三類目標。

穩定訓練

經過40輪訓練後，各項指標趨於穩定，驗證損失降至0.0433。

模型能力

圖像分割

多類別目標識別

背景區域檢測

球莖區域檢測

損傷區域檢測

使用案例

農業檢測

農作物病害檢測

識別作物圖像中的受損區域，輔助病害診斷。

損傷區域檢測準確率達93.77%，交併比89.23%

植物學研究

植物器官分析

精確分割植物球莖區域，用於生長狀況分析。

球莖區域檢測準確率達93.60%，交併比87.62%

🚀 mit-b0_corm

mit-b0_corm 模型是 nvidia/mit-b0 在特定數據集上微調後的版本，在圖像分割任務中表現出色，能有效提升圖像分割的準確性和效率。

🚀 快速開始

該模型是 nvidia/mit-b0 在 None 數據集上的微調版本，在評估集上取得了以下結果：

損失值：0.0433
平均交併比（Mean Iou）：0.9210
平均準確率（Mean Accuracy）：0.9571
總體準確率（Overall Accuracy）：0.9853
背景準確率（Accuracy Background）：0.9977
珊瑚準確率（Accuracy Corm）：0.9360
損傷準確率（Accuracy Damage）：0.9377
背景交併比（Iou Background）：0.9944
珊瑚交併比（Iou Corm）：0.8762
損傷交併比（Iou Damage）：0.8923

🔧 技術細節

訓練超參數

在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	總體準確率	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
0.933	0.6061	20	1.0299	0.3591	0.6054	0.6910	0.7236	0.1098	0.9827	0.7236	0.0867	0.2671
0.6505	1.2121	40	0.6909	0.6522	0.8240	0.9013	0.9328	0.5651	0.9740	0.9328	0.4509	0.5728
0.4133	1.8182	60	0.4184	0.7567	0.8872	0.9394	0.9609	0.7307	0.9701	0.9607	0.6218	0.6875
0.3299	2.4242	80	0.3451	0.8351	0.9306	0.9617	0.9751	0.8924	0.9243	0.9748	0.7569	0.7735
0.2594	3.0303	100	0.2506	0.8703	0.9412	0.9727	0.9862	0.8989	0.9384	0.9852	0.8019	0.8237
0.2253	3.6364	120	0.2006	0.8851	0.9403	0.9779	0.9939	0.8672	0.9599	0.9915	0.8207	0.8430
0.2222	4.2424	140	0.1654	0.8990	0.9490	0.9805	0.9946	0.9446	0.9079	0.9920	0.8438	0.8612
0.1347	4.8485	160	0.1413	0.9048	0.9508	0.9819	0.9956	0.9334	0.9234	0.9928	0.8526	0.8689
0.1366	5.4545	180	0.1155	0.9094	0.9516	0.9829	0.9966	0.9258	0.9325	0.9933	0.8583	0.8765
0.1121	6.0606	200	0.1086	0.8938	0.9447	0.9801	0.9961	0.9628	0.8753	0.9933	0.8392	0.8487
0.0982	6.6667	220	0.0963	0.9115	0.9524	0.9835	0.9972	0.9374	0.9227	0.9938	0.8626	0.8780
0.0993	7.2727	240	0.0892	0.9094	0.9513	0.9832	0.9968	0.9001	0.9571	0.9940	0.8570	0.8773
0.0813	7.8788	260	0.0842	0.9127	0.9543	0.9837	0.9966	0.9380	0.9281	0.9939	0.8643	0.8798
0.1059	8.4848	280	0.0774	0.9152	0.9541	0.9842	0.9973	0.9258	0.9391	0.9940	0.8673	0.8843
0.082	9.0909	300	0.0729	0.9159	0.9541	0.9843	0.9975	0.9294	0.9355	0.9940	0.8681	0.8854
0.0725	9.6970	320	0.0692	0.9162	0.9544	0.9844	0.9975	0.9247	0.9411	0.9941	0.8686	0.8861
0.0814	10.3030	340	0.0687	0.9161	0.9541	0.9844	0.9975	0.9155	0.9492	0.9942	0.8675	0.8865
0.076	10.9091	360	0.0640	0.9157	0.9555	0.9843	0.9968	0.9219	0.9479	0.9941	0.8680	0.8849
0.07	11.5152	380	0.0633	0.9166	0.9553	0.9845	0.9973	0.9375	0.9310	0.9941	0.8698	0.8859
0.0674	12.1212	400	0.0611	0.9176	0.9549	0.9847	0.9977	0.9217	0.9453	0.9943	0.8704	0.8881
0.0638	12.7273	420	0.0601	0.9116	0.9522	0.9836	0.9977	0.9529	0.9059	0.9941	0.8641	0.8768
0.0566	13.3333	440	0.0582	0.9176	0.9561	0.9847	0.9972	0.9322	0.9387	0.9943	0.8714	0.8872
0.0582	13.9394	460	0.0614	0.9077	0.9502	0.9829	0.9976	0.9583	0.8948	0.9941	0.8588	0.8700
0.0555	14.5455	480	0.0561	0.9146	0.9534	0.9841	0.9978	0.9481	0.9142	0.9941	0.8679	0.8817
0.053	15.1515	500	0.0540	0.9182	0.9551	0.9848	0.9977	0.9185	0.9492	0.9943	0.8707	0.8895
0.059	15.7576	520	0.0549	0.9180	0.9565	0.9848	0.9970	0.9248	0.9478	0.9943	0.8711	0.8887
0.0484	16.3636	540	0.0529	0.9177	0.9563	0.9847	0.9973	0.9405	0.9311	0.9943	0.8721	0.8866
0.0559	16.9697	560	0.0510	0.9192	0.9565	0.9850	0.9974	0.9268	0.9453	0.9943	0.8729	0.8904
0.0542	17.5758	580	0.0512	0.9190	0.9569	0.9850	0.9973	0.9351	0.9382	0.9944	0.8733	0.8894
0.0451	18.1818	600	0.0505	0.9184	0.9557	0.9848	0.9977	0.9428	0.9265	0.9943	0.8729	0.8880
0.05	18.7879	620	0.0499	0.9178	0.9542	0.9848	0.9979	0.9098	0.9549	0.9943	0.8691	0.8899
0.063	19.3939	640	0.0491	0.9190	0.9560	0.9850	0.9975	0.9221	0.9483	0.9943	0.8723	0.8904
0.0484	20.0	660	0.0501	0.9185	0.9569	0.9849	0.9972	0.9427	0.9308	0.9944	0.8732	0.8880
0.0527	20.6061	680	0.0492	0.9186	0.9561	0.9849	0.9976	0.9430	0.9276	0.9943	0.8732	0.8884
0.0583	21.2121	700	0.0476	0.9195	0.9563	0.9851	0.9976	0.9208	0.9506	0.9944	0.8730	0.8911
0.0557	21.8182	720	0.0488	0.9188	0.9565	0.9850	0.9973	0.9191	0.9531	0.9945	0.8723	0.8896
0.0458	22.4242	740	0.0481	0.9194	0.9568	0.9851	0.9973	0.9242	0.9489	0.9944	0.8729	0.8909
0.042	23.0303	760	0.0472	0.9202	0.9570	0.9852	0.9975	0.9326	0.9409	0.9944	0.8749	0.8911
0.0459	23.6364	780	0.0468	0.9191	0.9565	0.9850	0.9976	0.9423	0.9295	0.9944	0.8740	0.8889
0.0491	24.2424	800	0.0464	0.9204	0.9568	0.9852	0.9977	0.9361	0.9366	0.9944	0.8753	0.8914
0.0548	24.8485	820	0.0454	0.9201	0.9565	0.9852	0.9976	0.9244	0.9475	0.9944	0.8740	0.8917
0.0447	25.4545	840	0.0473	0.9176	0.9558	0.9847	0.9976	0.9477	0.9222	0.9944	0.8723	0.8863
0.0457	26.0606	860	0.0468	0.9203	0.9567	0.9852	0.9976	0.9270	0.9456	0.9944	0.8745	0.8922
0.0468	26.6667	880	0.0454	0.9201	0.9572	0.9852	0.9974	0.9403	0.9341	0.9944	0.8753	0.8905
0.0433	27.2727	900	0.0452	0.9208	0.9563	0.9853	0.9980	0.9339	0.9371	0.9943	0.8759	0.8923
0.0438	27.8788	920	0.0452	0.9208	0.9574	0.9853	0.9975	0.9352	0.9396	0.9944	0.8760	0.8920
0.0446	28.4848	940	0.0447	0.9210	0.9568	0.9853	0.9978	0.9349	0.9377	0.9943	0.8760	0.8926
0.0492	29.0909	960	0.0452	0.9211	0.9568	0.9853	0.9978	0.9352	0.9374	0.9943	0.8762	0.8928
0.0481	29.6970	980	0.0456	0.9195	0.9567	0.9851	0.9976	0.9443	0.9283	0.9944	0.8747	0.8893
0.0405	30.3030	1000	0.0447	0.9206	0.9574	0.9853	0.9975	0.9391	0.9355	0.9944	0.8758	0.8916
0.0505	30.9091	1020	0.0443	0.9210	0.9570	0.9853	0.9978	0.9370	0.9364	0.9944	0.8763	0.8923
0.047	31.5152	1040	0.0450	0.9204	0.9568	0.9853	0.9976	0.9223	0.9505	0.9945	0.8744	0.8923
0.0548	32.1212	1060	0.0452	0.9192	0.9561	0.9850	0.9978	0.9442	0.9261	0.9944	0.8744	0.8889
0.0445	32.7273	1080	0.0442	0.9208	0.9573	0.9853	0.9975	0.9320	0.9426	0.9944	0.8758	0.8921
0.0539	33.3333	1100	0.0435	0.9208	0.9571	0.9853	0.9976	0.9359	0.9379	0.9944	0.8758	0.8921
0.0383	33.9394	1120	0.0459	0.9171	0.9549	0.9846	0.9979	0.9493	0.9175	0.9943	0.8716	0.8853
0.0478	34.5455	1140	0.0443	0.9203	0.9572	0.9852	0.9974	0.9246	0.9496	0.9945	0.8748	0.8916
0.0432	35.1515	1160	0.0442	0.9210	0.9571	0.9853	0.9977	0.9349	0.9388	0.9944	0.8762	0.8924
0.0468	35.7576	1180	0.0439	0.9208	0.9572	0.9853	0.9976	0.9371	0.9368	0.9944	0.8761	0.8919
0.0475	36.3636	1200	0.0443	0.9209	0.9571	0.9853	0.9977	0.9371	0.9364	0.9944	0.8762	0.8921
0.0388	36.9697	1220	0.0436	0.9208	0.9573	0.9853	0.9976	0.9371	0.9373	0.9944	0.8761	0.8919
0.0468	37.5758	1240	0.0431	0.9208	0.9574	0.9853	0.9975	0.9343	0.9405	0.9944	0.8760	0.8921
0.0426	38.1818	1260	0.0445	0.9205	0.9570	0.9852	0.9977	0.9415	0.9318	0.9944	0.8758	0.8912
0.0549	38.7879	1280	0.0436	0.9209	0.9571	0.9853	0.9977	0.9373	0.9362	0.9944	0.8761	0.8921
0.045	39.3939	1300	0.0438	0.9208	0.9573	0.9853	0.9976	0.9381	0.9362	0.9944	0.8760	0.8919
0.0287	40.0	1320	0.0433	0.9210	0.9571	0.9853	0.9977	0.9360	0.9377	0.9944	0.8762	0.8923