segformerb5-finetuned-largerImages開源圖像分割模型 - 精準區分大尺寸圖像背景與分支區域

首頁

Segformerb5 Finetuned Largerimages

由JCAI2000開發

基於SegFormer-B5架構的圖像分割模型，在較大尺寸圖像數據集上微調，擅長區分背景和分支區域

圖像分割

Transformers

開源協議:其他 #高精度圖像分割 #遙感圖像處理 #SegFormer架構

下載量 14

發布時間 : 9/25/2023

模型概述

該模型是SegFormer-B5的微調版本，專門針對較大尺寸圖像進行優化，主要用於圖像分割任務，特別擅長區分背景和分支區域。

模型特點

高精度背景分割

在評估集上背景準確率達到99.1%，背景交併比達到98.24%

優化分支檢測

針對分支區域進行了專門優化，分支準確率達到72.69%

大尺寸圖像處理

在較大尺寸圖像數據集上進行了專門微調

模型能力

圖像分割

背景識別

分支區域檢測

使用案例

醫學影像

血管分支分析

用於醫學影像中血管分支的識別和分割

可準確區分血管分支與背景組織

遙感圖像

道路網絡提取

從衛星或航拍圖像中提取道路網絡

可有效識別道路分支結構

🚀 segformerb5-finetuned-largerImages

該模型是基於 JCAI2000/segformer-b5-finetuned-100by100PNG-50epochs-attempt2-100epochs-backgroundclass-2 在 JCAI2000/LargerImagesLabelled 數據集上進行微調得到的版本。它在評估集上取得了以下優異結果：

損失值：0.0724
平均交併比（Mean Iou）：0.7754
平均準確率（Mean Accuracy）：0.8589
總體準確率（Overall Accuracy）：0.9828
背景準確率（Accuracy Background）：0.9910
分支準確率（Accuracy Branch）：0.7269
背景交併比（Iou Background）：0.9824
分支交併比（Iou Branch）：0.5684

🚀 快速開始

該模型可直接用於圖像分割任務，基於預訓練模型在特定數據集上微調得到，可參考下方訓練過程和評估指標來了解其性能。

📚 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。

🔧 技術細節

訓練過程

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）：2
評估批次大小（eval_batch_size）：2
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
訓練輪數（num_epochs）：100

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	分支準確率	背景交併比	分支交併比
0.0872	1.18	20	0.0678	0.6870	0.7241	0.9784	0.9954	0.4528	0.9781	0.3958
0.0848	2.35	40	0.0577	0.7333	0.7908	0.9806	0.9932	0.5884	0.9802	0.4864
0.0549	3.53	60	0.0634	0.7485	0.8857	0.9773	0.9834	0.7879	0.9767	0.5203
0.0653	4.71	80	0.0493	0.7662	0.8346	0.9827	0.9926	0.6767	0.9823	0.5500
0.0596	5.88	100	0.0476	0.7497	0.7920	0.9828	0.9955	0.5885	0.9825	0.5168
0.0458	7.06	120	0.0478	0.7636	0.8357	0.9823	0.9921	0.6793	0.9819	0.5452
0.0285	8.24	140	0.0458	0.7758	0.8574	0.9829	0.9913	0.7235	0.9825	0.5691
0.0341	9.41	160	0.0466	0.7670	0.8376	0.9827	0.9923	0.6829	0.9823	0.5517
0.0369	10.59	180	0.0491	0.7699	0.8731	0.9813	0.9885	0.7576	0.9809	0.5589
0.0352	11.76	200	0.0465	0.7731	0.8551	0.9826	0.9911	0.7191	0.9822	0.5640
0.0477	12.94	220	0.0462	0.7721	0.8415	0.9832	0.9926	0.6905	0.9828	0.5615
0.0404	14.12	240	0.0493	0.7704	0.8734	0.9814	0.9886	0.7583	0.9809	0.5599
0.0221	15.29	260	0.0458	0.7798	0.8719	0.9828	0.9901	0.7536	0.9823	0.5772
0.0263	16.47	280	0.0450	0.7778	0.8509	0.9835	0.9923	0.7096	0.9831	0.5726
0.0364	17.65	300	0.0489	0.7756	0.8537	0.9830	0.9917	0.7158	0.9827	0.5686
0.02	18.82	320	0.0493	0.7713	0.8474	0.9828	0.9918	0.7031	0.9824	0.5602
0.0193	20.0	340	0.0481	0.7786	0.8694	0.9827	0.9903	0.7484	0.9823	0.5749
0.0133	21.18	360	0.0486	0.7756	0.8552	0.9830	0.9915	0.7189	0.9826	0.5686
0.0163	22.35	380	0.0492	0.7768	0.8632	0.9828	0.9907	0.7357	0.9824	0.5713
0.0252	23.53	400	0.0510	0.7725	0.8605	0.9823	0.9904	0.7306	0.9819	0.5632
0.0178	24.71	420	0.0509	0.7770	0.8665	0.9826	0.9904	0.7427	0.9822	0.5719
0.0167	25.88	440	0.0516	0.7748	0.8615	0.9826	0.9906	0.7323	0.9822	0.5675
0.0332	27.06	460	0.0507	0.7702	0.8422	0.9829	0.9922	0.6921	0.9825	0.5578
0.021	28.24	480	0.0522	0.7710	0.8482	0.9827	0.9916	0.7048	0.9823	0.5597
0.0284	29.41	500	0.0536	0.7762	0.8643	0.9826	0.9905	0.7380	0.9822	0.5702
0.0174	30.59	520	0.0535	0.7739	0.8591	0.9826	0.9908	0.7274	0.9822	0.5657
0.0228	31.76	540	0.0527	0.7765	0.8578	0.9830	0.9913	0.7243	0.9826	0.5703
0.0347	32.94	560	0.0530	0.7754	0.8534	0.9830	0.9917	0.7151	0.9826	0.5681
0.0182	34.12	580	0.0554	0.7764	0.8670	0.9825	0.9902	0.7437	0.9821	0.5706
0.0139	35.29	600	0.0521	0.7786	0.8540	0.9834	0.9920	0.7159	0.9830	0.5742
0.0121	36.47	620	0.0549	0.7787	0.8728	0.9826	0.9899	0.7557	0.9822	0.5752
0.0191	37.65	640	0.0560	0.7766	0.8678	0.9825	0.9902	0.7454	0.9821	0.5711
0.0216	38.82	660	0.0553	0.7745	0.8543	0.9829	0.9914	0.7172	0.9825	0.5665
0.0135	40.0	680	0.0569	0.7738	0.8640	0.9823	0.9902	0.7379	0.9819	0.5658
0.0167	41.18	700	0.0566	0.7765	0.8619	0.9828	0.9908	0.7330	0.9824	0.5707
0.0224	42.35	720	0.0570	0.7768	0.8680	0.9825	0.9902	0.7458	0.9821	0.5714
0.0188	43.53	740	0.0575	0.7768	0.8630	0.9828	0.9907	0.7353	0.9824	0.5713
0.0338	44.71	760	0.0565	0.7783	0.8634	0.9830	0.9909	0.7359	0.9826	0.5741
0.0122	45.88	780	0.0585	0.7788	0.8656	0.9829	0.9907	0.7404	0.9825	0.5750
0.0119	47.06	800	0.0587	0.7774	0.8639	0.9828	0.9907	0.7371	0.9824	0.5725
0.0086	48.24	820	0.0594	0.7777	0.8567	0.9832	0.9916	0.7218	0.9828	0.5726
0.0094	49.41	840	0.0597	0.7766	0.8627	0.9828	0.9907	0.7347	0.9823	0.5708
0.0107	50.59	860	0.0619	0.7773	0.8624	0.9829	0.9909	0.7338	0.9825	0.5722
0.0175	51.76	880	0.0605	0.7752	0.8588	0.9828	0.9910	0.7266	0.9824	0.5681
0.0139	52.94	900	0.0620	0.7786	0.8675	0.9828	0.9905	0.7446	0.9824	0.5748
0.02	54.12	920	0.0633	0.7764	0.8628	0.9827	0.9907	0.7348	0.9823	0.5704
0.0294	55.29	940	0.0637	0.7762	0.8584	0.9829	0.9912	0.7256	0.9825	0.5699
0.0175	56.47	960	0.0639	0.7789	0.8717	0.9827	0.9900	0.7534	0.9822	0.5755
0.008	57.65	980	0.0640	0.7797	0.8667	0.9830	0.9907	0.7428	0.9826	0.5768
0.0132	58.82	1000	0.0652	0.7754	0.8657	0.9825	0.9902	0.7412	0.9820	0.5687
0.0339	60.0	1020	0.0640	0.7785	0.8664	0.9828	0.9906	0.7421	0.9824	0.5746
0.0144	61.18	1040	0.0618	0.7804	0.8577	0.9835	0.9919	0.7236	0.9831	0.5778
0.0206	62.35	1060	0.0653	0.7767	0.8636	0.9827	0.9907	0.7366	0.9823	0.5710
0.0165	63.53	1080	0.0651	0.7774	0.8602	0.9830	0.9912	0.7293	0.9826	0.5722
0.0175	64.71	1100	0.0648	0.7758	0.8568	0.9829	0.9913	0.7222	0.9825	0.5690
0.0104	65.88	1120	0.0669	0.7771	0.8618	0.9829	0.9909	0.7327	0.9825	0.5717
0.0191	67.06	1140	0.0662	0.7779	0.8696	0.9826	0.9901	0.7490	0.9822	0.5737
0.0123	68.24	1160	0.0668	0.7775	0.8591	0.9830	0.9913	0.7270	0.9826	0.5723
0.0127	69.41	1180	0.0676	0.7772	0.8637	0.9828	0.9907	0.7366	0.9824	0.5720
0.0092	70.59	1200	0.0673	0.7778	0.8699	0.9826	0.9901	0.7496	0.9822	0.5735
0.0101	71.76	1220	0.0680	0.7761	0.8694	0.9824	0.9899	0.7489	0.9820	0.5703
0.0204	72.94	1240	0.0676	0.7772	0.8640	0.9828	0.9907	0.7373	0.9824	0.5721
0.008	74.12	1260	0.0685	0.7768	0.8661	0.9826	0.9904	0.7417	0.9822	0.5714
0.0124	75.29	1280	0.0676	0.7776	0.8648	0.9828	0.9907	0.7390	0.9824	0.5729
0.0134	76.47	1300	0.0689	0.7770	0.8672	0.9826	0.9903	0.7441	0.9822	0.5718
0.0082	77.65	1320	0.0688	0.7755	0.8621	0.9826	0.9907	0.7336	0.9822	0.5687
0.0125	78.82	1340	0.0698	0.7761	0.8655	0.9826	0.9904	0.7407	0.9822	0.5701
0.0064	80.0	1360	0.0707	0.7760	0.8611	0.9827	0.9908	0.7314	0.9823	0.5696
0.0131	81.18	1380	0.0709	0.7765	0.8645	0.9827	0.9905	0.7384	0.9822	0.5707
0.0099	82.35	1400	0.0696	0.7769	0.8665	0.9826	0.9904	0.7427	0.9822	0.5717
0.0174	83.53	1420	0.0704	0.7757	0.8612	0.9827	0.9908	0.7317	0.9823	0.5692
0.0122	84.71	1440	0.0710	0.7754	0.8595	0.9827	0.9910	0.7281	0.9823	0.5685
0.0136	85.88	1460	0.0705	0.7765	0.8632	0.9827	0.9907	0.7356	0.9823	0.5706
0.0115	87.06	1480	0.0711	0.7763	0.8638	0.9827	0.9906	0.7370	0.9823	0.5703
0.0074	88.24	1500	0.0709	0.7763	0.8606	0.9828	0.9910	0.7302	0.9824	0.5702
0.0073	89.41	1520	0.0707	0.7767	0.8595	0.9829	0.9911	0.7278	0.9825	0.5708
0.0073	90.59	1540	0.0713	0.7756	0.8556	0.9830	0.9914	0.7197	0.9826	0.5687
0.0123	91.76	1560	0.0716	0.7763	0.8623	0.9827	0.9907	0.7339	0.9823	0.5702
0.0161	92.94	1580	0.0712	0.7762	0.8601	0.9828	0.9910	0.7293	0.9824	0.5700
0.0061	94.12	1600	0.0718	0.7754	0.8597	0.9827	0.9909	0.7284	0.9823	0.5685
0.0063	95.29	1620	0.0725	0.7751	0.8598	0.9827	0.9909	0.7288	0.9823	0.5679
0.0124	96.47	1640	0.0722	0.7750	0.8633	0.9825	0.9905	0.7361	0.9821	0.5680
0.0123	97.65	1660	0.0722	0.7751	0.8598	0.9827	0.9909	0.7287	0.9823	0.5680
0.0185	98.82	1680	0.0717	0.7753	0.8593	0.9827	0.9910	0.7277	0.9823	0.5683
0.0152	100.0	1700	0.0724	0.7754	0.8589	0.9828	0.9910	0.7269	0.9824	0.5684