Segformer Trainer Test Bis

🚀 segformer-trainer-test-bis

本模型是基於 nvidia/mit-b0 在 segments/sidewalk-semantic 數據集上進行微調的版本。它在評估集上取得了以下結果，可用於圖像分割等視覺任務，為相關領域的研究和應用提供了有價值的參考。

🚀 快速開始

本模型是 nvidia/mit-b0 在 segments/sidewalk-semantic 數據集上的微調版本。它在評估集上取得了如下結果：

• 損失值：1.3784
• 平均交併比（Mean Iou）：0.1424
• 平均準確率（Mean Accuracy）：0.1896
• 總體準確率（Overall Accuracy）：0.7288
• 未標記準確率（Accuracy Unlabeled）：nan
• 平坦道路準確率（Accuracy Flat-road）：0.6651
• 平坦人行道準確率（Accuracy Flat-sidewalk）：0.9129
• 平坦人行橫道準確率（Accuracy Flat-crosswalk）：0.0
• 平坦自行車道準確率（Accuracy Flat-cyclinglane）：0.5829
• 平坦停車場車道準確率（Accuracy Flat-parkingdriveway）：0.0184
• 平坦鐵軌準確率（Accuracy Flat-railtrack）：0.0
• 平坦路緣準確率（Accuracy Flat-curb）：0.0
• 人類行人準確率（Accuracy Human-person）：0.0
• 人類騎手準確率（Accuracy Human-rider）：0.0
• 汽車準確率（Accuracy Vehicle-car）：0.8322
• 卡車準確率（Accuracy Vehicle-truck）：0.0
• 巴士準確率（Accuracy Vehicle-bus）：0.0
• 電車/火車準確率（Accuracy Vehicle-tramtrain）：0.0
• 摩托車準確率（Accuracy Vehicle-motorcycle）：0.0
• 自行車準確率（Accuracy Vehicle-bicycle）：0.0
• 大篷車準確率（Accuracy Vehicle-caravan）：0.0
• 汽車拖車準確率（Accuracy Vehicle-cartrailer）：0.0
• 建築物準確率（Accuracy Construction-building）：0.8930
• 門準確率（Accuracy Construction-door）：0.0
• 牆準確率（Accuracy Construction-wall）：0.0025
• 圍欄/護欄準確率（Accuracy Construction-fenceguardrail）：0.0
• 橋樑準確率（Accuracy Construction-bridge）：0.0
• 隧道準確率（Accuracy Construction-tunnel）：0.0
• 樓梯準確率（Accuracy Construction-stairs）：0.0
• 杆子準確率（Accuracy Object-pole）：0.0008
• 交通標誌準確率（Accuracy Object-trafficsign）：0.0
• 交通燈準確率（Accuracy Object-trafficlight）：0.0
• 自然植被準確率（Accuracy Nature-vegetation）：0.8552
• 自然地形準確率（Accuracy Nature-terrain）：0.8507
• 天空準確率（Accuracy Sky）：0.8336
• 空白地面準確率（Accuracy Void-ground）：0.0
• 空白動態準確率（Accuracy Void-dynamic）：0.0
• 空白靜態準確率（Accuracy Void-static）：0.0
• 空白不明確準確率（Accuracy Void-unclear）：0.0
• 未標記交併比（Iou Unlabeled）：nan
• 平坦道路交併比（Iou Flat-road）：0.4712
• 平坦人行道交併比（Iou Flat-sidewalk）：0.7651
• 平坦人行橫道交併比（Iou Flat-crosswalk）：0.0
• 平坦自行車道交併比（Iou Flat-cyclinglane）：0.5216
• 平坦停車場車道交併比（Iou Flat-parkingdriveway）：0.0178
• 平坦鐵軌交併比（Iou Flat-railtrack）：0.0
• 平坦路緣交併比（Iou Flat-curb）：0.0
• 人類行人交併比（Iou Human-person）：0.0
• 人類騎手交併比（Iou Human-rider）：0.0
• 汽車交併比（Iou Vehicle-car）：0.5696
• 卡車交併比（Iou Vehicle-truck）：0.0
• 巴士交併比（Iou Vehicle-bus）：0.0
• 電車/火車交併比（Iou Vehicle-tramtrain）：0.0
• 摩托車交併比（Iou Vehicle-motorcycle）：0.0
• 自行車交併比（Iou Vehicle-bicycle）：0.0
• 大篷車交併比（Iou Vehicle-caravan）：0.0
• 汽車拖車交併比（Iou Vehicle-cartrailer）：0.0
• 建築物交併比（Iou Construction-building）：0.4716
• 門交併比（Iou Construction-door）：0.0
• 牆交併比（Iou Construction-wall）：0.0024
• 圍欄/護欄交併比（Iou Construction-fenceguardrail）：0.0
• 橋樑交併比（Iou Construction-bridge）：0.0
• 隧道交併比（Iou Construction-tunnel）：0.0
• 樓梯交併比（Iou Construction-stairs）：0.0
• 杆子交併比（Iou Object-pole）：0.0008
• 交通標誌交併比（Iou Object-trafficsign）：0.0
• 交通燈交併比（Iou Object-trafficlight）：0.0
• 自然植被交併比（Iou Nature-vegetation）：0.6813
• 自然地形交併比（Iou Nature-terrain）：0.5513
• 天空交併比（Iou Sky）：0.7873
• 空白地面交併比（Iou Void-ground）：0.0
• 空白動態交併比（Iou Void-dynamic）：0.0
• 空白靜態交併比（Iou Void-static）：0.0
• 空白不明確交併比（Iou Void-unclear）：0.0

🔧 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）：5e - 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）：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）：10.0

框架版本

• Transformers 4.19.0.dev0
• Pytorch 1.11.0+cu113
• Datasets 2.0.0
• Tokenizers 0.11.6

📄 許可證

本項目採用 Apache-2.0 許可證。