Panels Detection Rtdetr

🚀 面板检测RTDetr模型

本项目的panels_detection_rtdetr模型是基于目标检测任务的微调模型，它在基础模型上进行优化，以适应特定场景的面板检测需求，能输出丰富的检测指标，为相关领域的应用提供有力支持。

🚀 快速开始

本模型是 PekingU/rtdetr_r101vd_coco_o365 在 None 数据集上的微调版本。它在评估集上取得了以下结果：

• 损失值（Loss）：9.5718
• 平均精度均值（Map）：0.5617
• 50% 交并比下的平均精度均值（Map 50）：0.6631
• 75% 交并比下的平均精度均值（Map 75）：0.6137
• 小目标的平均精度均值（Map Small）：-1.0
• 中等目标的平均精度均值（Map Medium）：0.3451
• 大目标的平均精度均值（Map Large）：0.5935
• 1 个检测框下的平均召回率（Mar 1）：0.6546
• 10 个检测框下的平均召回率（Mar 10）：0.7877
• 100 个检测框下的平均召回率（Mar 100）：0.8058
• 小目标在 100 个检测框下的平均召回率（Mar Small）：-1.0
• 中等目标在 100 个检测框下的平均召回率（Mar Medium）：0.5802
• 大目标在 100 个检测框下的平均召回率（Mar Large）：0.8672
• 小雷达目标的平均精度均值（Map Radar (small)）：0.3509
• 小雷达目标在 100 个检测框下的平均召回率（Mar 100 Radar (small)）：0.8077
• 小型船舶管理系统目标的平均精度均值（Map Ship management system (small)）：0.6748
• 小型船舶管理系统目标在 100 个检测框下的平均召回率（Mar 100 Ship management system (small)）：0.8933
• 大型雷达目标的平均精度均值（Map Radar (large)）：0.5846
• 大型雷达目标在 100 个检测框下的平均召回率（Mar 100 Radar (large)）：0.8624
• 大型船舶管理系统目标的平均精度均值（Map Ship management system (large)）：0.7577
• 大型船舶管理系统目标在 100 个检测框下的平均召回率（Mar 100 Ship management system (large)）：0.9341
• 船舶管理系统顶部目标的平均精度均值（Map Ship management system (top)）：0.789
• 船舶管理系统顶部目标在 100 个检测框下的平均召回率（Mar 100 Ship management system (top)）：0.8356
• 大型电子海图显示与信息系统目标的平均精度均值（Map Ecdis (large)）：0.3281
• 大型电子海图显示与信息系统目标在 100 个检测框下的平均召回率（Mar 100 Ecdis (large)）：0.7652
• 小型视觉观察目标的平均精度均值（Map Visual observation (small)）：0.585
• 小型视觉观察目标在 100 个检测框下的平均召回率（Mar 100 Visual observation (small)）：0.902
• 小型电子海图显示与信息系统目标的平均精度均值（Map Ecdis (small)）：0.7635
• 小型电子海图显示与信息系统目标在 100 个检测框下的平均召回率（Mar 100 Ecdis (small)）：0.8967
• 船舶管理系统桌面目标的平均精度均值（Map Ship management system (table top)）：0.6306
• 船舶管理系统桌面目标在 100 个检测框下的平均召回率（Mar 100 Ship management system (table top)）：0.7882
• 推进器控制目标的平均精度均值（Map Thruster control）：0.4949
• 推进器控制目标在 100 个检测框下的平均召回率（Mar 100 Thruster control）：0.7447
• 左侧视觉观察目标的平均精度均值（Map Visual observation (left)）：0.6062
• 左侧视觉观察目标在 100 个检测框下的平均召回率（Mar 100 Visual observation (left)）：0.8395
• 中间视觉观察目标的平均精度均值（Map Visual observation (mid)）：0.7946
• 中间视觉观察目标在 100 个检测框下的平均召回率（Mar 100 Visual observation (mid)）：0.8901
• 右侧视觉观察目标的平均精度均值（Map Visual observation (right)）：0.7446
• 右侧视觉观察目标在 100 个检测框下的平均召回率（Mar 100 Visual observation (right)）：0.8966
• 船首推进器目标的平均精度均值（Map Bow thruster）：0.2392
• 船首推进器目标在 100 个检测框下的平均召回率（Mar 100 Bow thruster）：0.5167
• 主机传令钟目标的平均精度均值（Map Me telegraph）：0.0825
• 主机传令钟目标在 100 个检测框下的平均召回率（Mar 100 Me telegraph）：0.5143

📚 详细文档

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：5e - 05
• 训练批次大小（train_batch_size）：4
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 优化器（optimizer）：使用 adamw_torch，其中 betas = (0.9, 0.999)，epsilon = 1e - 08，无额外优化器参数
• 学习率调度器类型（lr_scheduler_type）：余弦退火
• 训练轮数（num_epochs）：7

训练结果

框架版本

• Transformers 4.46.0
• Pytorch 2.5.0+cu121
• Datasets 3.0.2
• Tokenizers 0.20.1

📄 许可证

本项目采用 Apache - 2.0 许可证。