🚀 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。