🚀 微調的植物葉片疾病分割模型
本項目的模型是基於SegFormer架構微調的植物葉片疾病圖像分割模型,它在特定數據集上進行了優化訓練,能夠精準識別多種植物葉片疾病類型,為植物疾病診斷提供了高效準確的解決方案。
🚀 快速開始
此模型是 nancyalarabawy/segformer-finetuned-segments-plantleafdisease-may-25 在全增強數據集上的微調版本。它在評估集上取得了以下結果:
- 評估損失(eval_loss):0.0249
- 評估平均交併比(eval_mean_iou):0.7357
- 評估平均準確率(eval_mean_accuracy):0.9156
- 評估總體準確率(eval_overall_accuracy):0.9916
- 評估未標記準確率(eval_accuracy_unlabeled):nan
- 評估健康準確率(eval_accuracy_healthy):0.9794
- 評估稻瘟病準確率(eval_accuracy_blast):0.8521
- 評估背景準確率(eval_accuracy_background):0.9975
- 評估鏈珠藤皰疹準確率(eval_accuracy_alstonia herpes):0.8728
- 評估芒果炭疽病準確率(eval_accuracy_mango anthracnose):0.9309
- 評估石榴斑點準確率(eval_accuracy_pomengrate spots):0.9346
- 評估疫病斑點準確率(eval_accuracy_blight spots):0.8934
- 評估缺綠病準確率(eval_accuracy_chlorisis):0.9443
- 評估葉斑病準確率(eval_accuracy_leaf spots):0.9201
- 評估蘋果黑星病準確率(eval_accuracy_apple scab):0.8382
- 評估黑腐病準確率(eval_accuracy_black rot):0.8716
- 評估雪松鏽病準確率(eval_accuracy_cedar rust):0.9525
- 評估未標記交併比(eval_iou_unlabeled):0.0
- 評估健康交併比(eval_iou_healthy):0.9690
- 評估稻瘟病交併比(eval_iou_blast):0.7758
- 評估背景交併比(eval_iou_background):0.9954
- 評估鏈珠藤皰疹交併比(eval_iou_alstonia herpes):0.7583
- 評估芒果炭疽病交併比(eval_iou_mango anthracnose):0.6425
- 評估石榴斑點交併比(eval_iou_pomengrate spots):0.8681
- 評估疫病斑點交併比(eval_iou_blight spots):0.6074
- 評估缺綠病交併比(eval_iou_chlorisis):0.9190
- 評估葉斑病交併比(eval_iou_leaf spots):0.7070
- 評估蘋果黑星病交併比(eval_iou_apple scab):0.7455
- 評估黑腐病交併比(eval_iou_black rot):0.8060
- 評估雪松鏽病交併比(eval_iou_cedar rust):0.7695
- 評估運行時間(eval_runtime):155.0063
- 評估每秒樣本數(eval_samples_per_second):16.915
- 評估每秒步數(eval_steps_per_second):1.058
- 訓練輪數(epoch):13.3486
- 訓練步數(step):17500
📚 詳細文檔
訓練超參數
訓練期間使用了以下超參數:
- 學習率(learning_rate):1e - 05
- 訓練批次大小(train_batch_size):16
- 評估批次大小(eval_batch_size):16
- 隨機種子(seed):42
- 優化器(optimizer):使用 adamw_torch,β1 = 0.9,β2 = 0.999,ε = 1e - 08,無額外優化器參數
- 學習率調度器類型(lr_scheduler_type):餘弦
- 學習率調度器熱身步數(lr_scheduler_warmup_steps):200
- 訓練輪數(num_epochs):15
框架版本
- Transformers:4.47.1
- Pytorch:2.5.1 + cu121
- Datasets:3.2.0
- Tokenizers:0.21.0
📄 許可證
許可證類型:其他