segformer-b0開源圖像分割模型 - 基於nvidia/mit-b3微調，數據集表現優異

首頁

Segformer B0 Finetuned Morphpadver1 Hgo Coord V3 1

由NICOPOI-9開發

基於nvidia/mit-b3微調的圖像分割模型，在NICOPOI-9/morphpad_coord_hgo_512_4class_v2數據集上表現優異

圖像分割

Transformers

開源協議:其他 #高精度圖像分割 #醫學圖像處理 #99.8%交併比

下載量 18

發布時間 : 4/26/2025

模型概述

該模型是基於SegFormer架構的語義分割模型，專門針對特定圖像分割任務進行了微調，在評估集上達到了99.81%的平均交併比和99.90%的準確率。

模型特點

高精度分割

在評估集上達到99.81%的平均交併比和99.90%的準確率

高效訓練

使用AdamW優化器和線性學習率調度器，在60輪訓練中快速收斂

多角度適應

模型在0-0、0-90、90-0和90-90四種不同角度配置下均表現優異

模型能力

圖像語義分割

高精度像素級分類

多角度圖像分析

使用案例

醫學圖像分析

組織分割

可用於醫學圖像中的特定組織區域分割

高精度分割結果

工業檢測

缺陷檢測

可用於工業產品表面的缺陷檢測和定位

🚀 segformer-b0-finetuned-morphpadver1-hgo-coord-v3_1

該模型是在NICOPOI - 9/morphpad_coord_hgo_512_4class_v2數據集上對nvidia/mit-b3進行微調後的版本。它在評估集上取得了以下優異結果：

損失值：0.0117
平均交併比（Mean Iou）：0.9981
平均準確率：0.9990
整體準確率：0.9990
準確率 0 - 0：0.9995
準確率 0 - 90：0.9985
準確率 90 - 0：0.9988
準確率 90 - 90：0.9993
交併比 0 - 0：0.9991
交併比 0 - 90：0.9979
交併比 90 - 0：0.9976
交併比 90 - 90：0.9978

📚 詳細文檔

模型描述

該模型是基於nvidia/mit-b3在特定數據集上微調得到的，用於圖像分割任務，在評估集上展現出了較高的性能。

預期用途與限制

文檔中未提供該模型預期用途與限制的詳細信息。

訓練和評估數據

文檔中未提供訓練和評估數據的詳細信息。

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）：1
評估批次大小（eval_batch_size）：1
隨機種子（seed）：42
優化器：使用OptimizerNames.ADAMW_TORCH，其中betas=(0.9, 0.999)，epsilon = 1e - 08，無額外優化器參數
學習率調度器類型（lr_scheduler_type）：線性
訓練輪數（num_epochs）：60

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	整體準確率	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
0.903	2.6525	4000	0.8952	0.3916	0.5570	0.5567	0.5335	0.6125	0.4890	0.5929	0.4534	0.3418	0.3411	0.4299
0.6373	5.3050	8000	0.5078	0.6237	0.7643	0.7643	0.7676	0.8339	0.6741	0.7817	0.6758	0.5472	0.6022	0.6698
0.2851	7.9576	12000	0.2955	0.7612	0.8642	0.8642	0.8669	0.8687	0.8339	0.8874	0.7959	0.7358	0.7500	0.7631
0.2309	10.6101	16000	0.1305	0.9184	0.9574	0.9574	0.9575	0.9381	0.9648	0.9692	0.9333	0.9074	0.8991	0.9337
0.0907	13.2626	20000	0.1249	0.9267	0.9620	0.9620	0.9636	0.9541	0.9594	0.9708	0.9379	0.9205	0.9169	0.9316
0.3051	15.9151	24000	0.0529	0.9675	0.9835	0.9835	0.9842	0.9805	0.9839	0.9854	0.9712	0.9636	0.9626	0.9728
0.0659	18.5676	28000	0.0630	0.9670	0.9832	0.9833	0.9852	0.9747	0.9885	0.9846	0.9719	0.9642	0.9633	0.9687
0.0474	21.2202	32000	0.0454	0.9768	0.9882	0.9883	0.9910	0.9856	0.9865	0.9899	0.9783	0.9737	0.9747	0.9805
0.0449	23.8727	36000	0.0468	0.9795	0.9896	0.9896	0.9900	0.9812	0.9900	0.9973	0.9828	0.9743	0.9783	0.9824
0.0552	26.5252	40000	0.0266	0.9884	0.9942	0.9942	0.9949	0.9917	0.9947	0.9953	0.9888	0.9865	0.9866	0.9916
0.0541	29.1777	44000	0.0290	0.9908	0.9954	0.9954	0.9951	0.9951	0.9967	0.9946	0.9921	0.9897	0.9905	0.9909
0.0082	31.8302	48000	0.0421	0.9891	0.9945	0.9945	0.9940	0.9924	0.9951	0.9966	0.9908	0.9869	0.9884	0.9904
0.0061	34.4828	52000	0.0345	0.9923	0.9961	0.9961	0.9971	0.9941	0.9966	0.9966	0.9939	0.9912	0.9916	0.9922
0.0053	37.1353	56000	0.0256	0.9941	0.9970	0.9970	0.9976	0.9972	0.9966	0.9968	0.9957	0.9928	0.9929	0.9949
0.0045	39.7878	60000	0.0256	0.9937	0.9968	0.9968	0.9978	0.9959	0.9959	0.9978	0.9937	0.9927	0.9926	0.9957
0.0046	42.4403	64000	0.0171	0.9964	0.9982	0.9982	0.9983	0.9976	0.9987	0.9981	0.9972	0.9958	0.9955	0.9969
0.0032	45.0928	68000	0.0293	0.9957	0.9979	0.9979	0.9983	0.9969	0.9975	0.9988	0.9966	0.9950	0.9950	0.9964
0.003	47.7454	72000	0.0251	0.9964	0.9982	0.9982	0.9984	0.9973	0.9984	0.9987	0.9973	0.9952	0.9965	0.9966
0.0035	50.3979	76000	0.0245	0.9973	0.9986	0.9986	0.9993	0.9982	0.9983	0.9987	0.9982	0.9969	0.9963	0.9977
0.0025	53.0504	80000	0.0222	0.9972	0.9986	0.9986	0.9990	0.9980	0.9987	0.9986	0.9985	0.9965	0.9970	0.9968
0.0023	55.7029	84000	0.0104	0.9982	0.9991	0.9991	0.9994	0.9989	0.9987	0.9993	0.9988	0.9980	0.9975	0.9983
0.0022	58.3554	88000	0.0117	0.9981	0.9990	0.9990	0.9995	0.9985	0.9988	0.9993	0.9991	0.9979	0.9976	0.9978