🚀 facebook-detr-resnet-50-finetuned-10k-cppe5-with-augs
该模型是 facebook/detr-resnet-50 在 cppe - 5 数据集上的微调版本，可用于目标检测任务，在评估集上取得了较好的效果。
🚀 快速开始
此模型是在 facebook/detr-resnet-50 基础上，针对 cppe - 5 数据集进行微调得到的。它在评估集上有如下表现：
- 损失值（Loss）：1.2371
- 平均精度均值（Map）：0.2873
- Map 50：0.5678
- Map 75：0.2501
- Map 小目标：0.126
- Map 中目标：0.2327
- Map 大目标：0.4873
- 召回率均值（Mar）1：0.2843
- Mar 10：0.4643
- Mar 100：0.4762
- Mar 小目标：0.2338
- Mar 中目标：0.4167
- Mar 大目标：0.7114
- Map 全覆盖：0.5461
- Mar 100 全覆盖：0.6932
- Map 防护面罩：0.2167
- Mar 100 防护面罩：0.4785
- Map 手套：0.2135
- Mar 100 手套：0.4094
- Map 护目镜：0.173
- Mar 100 护目镜：0.4092
- Map 口罩：0.2871
- Mar 100 口罩：0.3907
🔧 技术细节
训练超参数
训练过程中使用了以下超参数：
| 属性 |
详情 |
| 学习率（learning_rate） |
5e - 05 |
| 训练批次大小（train_batch_size） |
8 |
| 评估批次大小（eval_batch_size） |
8 |
| 随机种子（seed） |
1337 |
| 优化器（optimizer） |
Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08） |
| 学习率调度器类型（lr_scheduler_type） |
线性 |
| 训练轮数（num_epochs） |
100.0 |
| 混合精度训练（mixed_precision_training） |
原生自动混合精度（Native AMP） |
训练结果
| 训练损失 | 轮数 | 步数 | 验证损失 | Map | Map 50 | Map 75 | Map 小目标 | Map 中目标 | Map 大目标 | Mar 1 | Mar 10 | Mar 100 | Mar 小目标 | Mar 中目标 | Mar 大目标 | Map 全覆盖 | Mar 100 全覆盖 | Map 防护面罩 | Mar 100 防护面罩 | Map 手套 | Mar 100 手套 | Map 护目镜 | Mar 100 护目镜 | Map 口罩 | Mar 100 口罩 |
| :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: | :---: |
| 2.6324 | 1.0 | 107 | 2.3696 | 0.0355 | 0.0772 | 0.0305 | 0.0094 | 0.0044 | 0.0388 | 0.0606 | 0.1313 | 0.1643 | 0.0314 | 0.0921 | 0.1907 | 0.1559 | 0.536 | 0.0 | 0.0 | 0.0064 | 0.1433 | 0.0 | 0.0 | 0.0151 | 0.1422 |
| 2.0851 | 2.0 | 214 | 2.1468 | 0.0518 | 0.1164 | 0.0389 | 0.0106 | 0.0151 | 0.0683 | 0.0809 | 0.1628 | 0.1881 | 0.023 | 0.1069 | 0.2515 | 0.2068 | 0.5842 | 0.0 | 0.0 | 0.0174 | 0.167 | 0.0 | 0.0 | 0.035 | 0.1893 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 0.7948 | 100.0 | 10700 | 1.2371 | 0.2873 | 0.5678 | 0.2501 | 0.126 | 0.2327 | 0.4873 | 0.2843 | 0.4643 | 0.4762 | 0.2338 | 0.4167 | 0.7114 | 0.5461 | 0.6932 | 0.2167 | 0.4785 | 0.2135 | 0.4094 | 0.173 | 0.4092 | 0.2871 | 0.3907 |
框架版本
- Transformers 4.41.0.dev0
- Pytorch 1.13.0+cu117
- Datasets 2.18.0
- Tokenizers 0.19.0
📄 许可证
本模型采用 Apache - 2.0 许可证。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Transformers 支持多种语言