SegFormer開源圖像分割模型 - 免費部署實現高精度特定圖像分割

首頁

Segformer B0 Finetuned Morphpadver1 Hgo Coord V1

由NICOPOI-9開發

基於NVIDIA MIT-B1架構的SegFormer圖像分割模型，在特定數據集上微調，擅長高精度圖像分割任務

圖像分割

Transformers

開源協議:其他 #高精度圖像分割 #醫學影像處理 #座標增強分割

下載量 29

發布時間 : 4/25/2025

模型概述

該模型是基於nvidia/mit-b1架構的SegFormer-b0變體，在NICOPOI-9/morphpad_coord_hgo_512_4class數據集上微調，專門用於圖像分割任務，在評估中表現出色，平均交併比達到0.9579

模型特點

高精度分割

在評估集上達到0.9579的平均交併比和0.9785的平均準確率，表現優異

輕量級架構

基於SegFormer-b0架構，平衡了性能和計算效率

多角度適應性

在不同角度(0-0,0-90,90-0,90-90)下均保持穩定的分割性能

模型能力

圖像分割

像素級分類

語義分割

使用案例

醫學圖像分析

組織分割

用於醫學圖像中特定組織的精確分割

工業檢測

缺陷檢測

識別和分割工業產品表面的缺陷區域

🚀 segformer-b0-finetuned-morphpadver1-hgo-coord-v1

本模型是基於計算機視覺和圖像分割領域的模型，它在特定數據集上對基礎模型進行微調，在評估集上取得了優異的成績，可用於相關圖像分割任務。

🚀 快速開始

本模型是 nvidia/mit-b1 在 NICOPOI - 9/morphpad_coord_hgo_512_4class 數據集上的微調版本。它在評估集上取得了以下結果：

損失值：0.0644
平均交併比（Mean Iou）：0.9579
平均準確率：0.9785
總體準確率：0.9785
準確率 0 - 0：0.9792
準確率 0 - 90：0.9782
準確率 90 - 0：0.9762
準確率 90 - 90：0.9804
交併比 0 - 0：0.9634
交併比 0 - 90：0.9512
交併比 90 - 0：0.9543
交併比 90 - 90：0.9627

🔧 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：6e - 05
訓練批次大小：1
評估批次大小：1
隨機種子：42
優化器：使用 OptimizerNames.ADAMW_TORCH，β值為(0.9, 0.999)，ε值為 1e - 08，無額外優化器參數
學習率調度器類型：線性
訓練輪數：40

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	準確率 0 - 0	準確率 0 - 90	準確率 90 - 0	準確率 90 - 90	交併比 0 - 0	交併比 0 - 90	交併比 90 - 0	交併比 90 - 90
1.1962	2.5445	4000	1.2063	0.2464	0.3994	0.4010	0.2991	0.2803	0.5096	0.5084	0.2367	0.2111	0.2658	0.2721
1.051	5.0891	8000	1.0734	0.3118	0.4765	0.4765	0.3856	0.5520	0.3937	0.5745	0.3123	0.3148	0.2968	0.3233
0.9309	7.6336	12000	0.9672	0.3612	0.5314	0.5323	0.4806	0.5216	0.7075	0.4158	0.3362	0.3706	0.3778	0.3603
0.8041	10.1781	16000	0.8444	0.4475	0.6180	0.6178	0.6131	0.6672	0.6120	0.5798	0.4403	0.4360	0.4543	0.4593
0.6617	12.7226	20000	0.7405	0.5039	0.6697	0.6700	0.6310	0.6588	0.6714	0.7177	0.5097	0.4912	0.5114	0.5033
0.54	15.2672	24000	0.6090	0.5828	0.7360	0.7362	0.6931	0.7532	0.7427	0.7550	0.5911	0.5709	0.5876	0.5819
0.7378	17.8117	28000	0.3740	0.7401	0.8507	0.8505	0.8789	0.8270	0.8186	0.8783	0.7712	0.7324	0.7203	0.7366
0.58	20.3562	32000	0.1892	0.8644	0.9272	0.9272	0.9329	0.9188	0.9142	0.9430	0.8810	0.8523	0.8539	0.8704
0.1305	22.9008	36000	0.1473	0.8945	0.9443	0.9443	0.9563	0.9245	0.9421	0.9542	0.9021	0.8783	0.8925	0.9049
0.1775	25.4453	40000	0.1133	0.9178	0.9571	0.9571	0.9578	0.9536	0.9583	0.9586	0.9264	0.9068	0.9130	0.9249
0.4792	27.9898	44000	0.0961	0.9306	0.9640	0.9640	0.9662	0.9633	0.9617	0.9650	0.9374	0.9194	0.9268	0.9387
0.1084	30.5344	48000	0.0886	0.9364	0.9671	0.9672	0.9684	0.9600	0.9689	0.9712	0.9429	0.9257	0.9335	0.9437
0.0471	33.0789	52000	0.0721	0.9485	0.9735	0.9735	0.9772	0.9674	0.9729	0.9767	0.9528	0.9402	0.9467	0.9542
0.0722	35.6234	56000	0.0646	0.9554	0.9772	0.9772	0.9809	0.9728	0.9757	0.9794	0.9576	0.9488	0.9522	0.9629
0.0406	38.1679	60000	0.0644	0.9579	0.9785	0.9785	0.9792	0.9782	0.9762	0.9804	0.9634	0.9512	0.9543	0.9627