segformer-b1-solarModuleAnomaly-v0.1開源圖像分割模型

首頁

Segformer B1 Solarmoduleanomaly V0.1

由zklee98開發

基於nvidia/mit-b1在太陽能模塊異常檢測數據集上微調的圖像分割模型

圖像分割

Transformers

開源協議:其他 #光伏板異常檢測 #圖像分割模型 #工業視覺檢測

下載量 18

發布時間 : 4/14/2023

模型概述

該模型是針對太陽能模塊異常檢測任務優化的SegFormer架構圖像分割模型，能夠識別太陽能模塊中的異常區域。

模型特點

太陽能模塊異常檢測

專門針對太陽能模塊異常檢測任務進行優化

高效分割架構

基於SegFormer-b1架構，平衡性能和效率

模型能力

圖像分割

異常區域檢測

太陽能模塊分析

使用案例

能源行業

太陽能電站巡檢

自動檢測太陽能板上的異常區域

在評估集上達到0.7643的異常檢測準確率

🚀 segformer-b1-solarModuleAnomaly-v0.1

該模型是 nvidia/mit-b1 在 zklee98/solarModuleAnomaly 數據集上的微調版本。它在評估集上取得了以下結果：

損失：0.1547
平均交併比（Mean Iou）：0.3822
平均準確率：0.7643
總體準確率：0.7643
未標記準確率：nan
異常準確率：0.7643
未標記交併比：0.0
異常交併比：0.7643

📚 詳細文檔

訓練過程

訓練超參數

訓練期間使用了以下超參數：

學習率：6e-05
訓練批次大小：2
評估批次大小：2
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：15

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	未標記準確率	異常準確率	異常交併比
0.4699	0.4	20	0.6337	0.4581	0.9162	0.9162	nan	0.9162	0.9162
0.3129	0.8	40	0.4636	0.3704	0.7407	0.7407	nan	0.7407	0.7407
0.2732	1.2	60	0.3164	0.3867	0.7734	0.7734	nan	0.7734	0.7734
0.2653	1.6	80	0.3769	0.4090	0.8180	0.8180	nan	0.8180	0.8180
0.2232	2.0	100	0.2976	0.2479	0.4958	0.4958	nan	0.4958	0.4958
0.5305	2.4	120	0.3151	0.3807	0.7613	0.7613	nan	0.7613	0.7613
0.2423	2.8	140	0.3189	0.4152	0.8305	0.8305	nan	0.8305	0.8305
0.3341	3.2	160	0.2384	0.3861	0.7723	0.7723	nan	0.7723	0.7723
0.2146	3.6	180	0.3200	0.4621	0.9243	0.9243	nan	0.9243	0.9243
0.1866	4.0	200	0.2510	0.3646	0.7291	0.7291	nan	0.7291	0.7291
0.2861	4.4	220	0.2736	0.4202	0.8404	0.8404	nan	0.8404	0.8404
0.2048	4.8	240	0.2410	0.3912	0.7823	0.7823	nan	0.7823	0.7823
0.1604	5.2	260	0.2233	0.3672	0.7344	0.7344	nan	0.7344	0.7344
0.2756	5.6	280	0.2705	0.4494	0.8987	0.8987	nan	0.8987	0.8987
0.1859	6.0	300	0.2211	0.4045	0.8089	0.8089	nan	0.8089	0.8089
0.1306	6.4	320	0.2140	0.3763	0.7525	0.7525	nan	0.7525	0.7525
0.5508	6.8	340	0.2231	0.4185	0.8371	0.8371	nan	0.8371	0.8371
0.1446	7.2	360	0.2139	0.3666	0.7332	0.7332	nan	0.7332	0.7332
0.3275	7.6	380	0.2470	0.3964	0.7928	0.7928	nan	0.7928	0.7928
0.164	8.0	400	0.2017	0.3910	0.7819	0.7819	nan	0.7819	0.7819
0.1864	8.4	420	0.2307	0.4408	0.8816	0.8816	nan	0.8816	0.8816
0.1578	8.8	440	0.1869	0.3707	0.7414	0.7414	nan	0.7414	0.7414
0.1201	9.2	460	0.2115	0.3834	0.7667	0.7667	nan	0.7667	0.7667
0.1783	9.6	480	0.2009	0.3747	0.7495	0.7495	nan	0.7495	0.7495
0.1232	10.0	500	0.1797	0.3865	0.7729	0.7729	nan	0.7729	0.7729
0.2572	10.4	520	0.1983	0.4057	0.8115	0.8115	nan	0.8115	0.8115
0.1209	10.8	540	0.1607	0.4274	0.8547	0.8547	nan	0.8547	0.8547
0.1234	11.2	560	0.2260	0.4066	0.8133	0.8133	nan	0.8133	0.8133
0.145	11.6	580	0.1963	0.3939	0.7878	0.7878	nan	0.7878	0.7878
0.0665	12.0	600	0.1912	0.3873	0.7747	0.7747	nan	0.7747	0.7747
0.0826	12.4	620	0.2095	0.4186	0.8373	0.8373	nan	0.8373	0.8373
0.1212	12.8	640	0.1732	0.4059	0.8118	0.8118	nan	0.8118	0.8118
0.142	13.2	660	0.2086	0.4007	0.8013	0.8013	nan	0.8013	0.8013
0.0899	13.6	680	0.1838	0.3928	0.7856	0.7856	nan	0.7856	0.7856
0.1857	14.0	700	0.1638	0.4157	0.8315	0.8315	nan	0.8315	0.8315
0.0788	14.4	720	0.1736	0.4112	0.8223	0.8223	nan	0.8223	0.8223
0.2543	14.8	740	0.1547	0.3822	0.7643	0.7643	nan	0.7643	0.7643