Diagram Detr R50 Finetuned

D

Diagram Detr R50 Finetuned

由 synergycodes 开发

该模型是基于DETR架构的目标检测模型，在bpmn-shapes数据集上进行了微调，适用于图表元素的检测任务。

开源协议:Apache-2.0 #BPMN图表检测 #DETR目标检测 #Albumentations增强

下载量 26

发布时间 : 1/19/2024

模型简介

基于DETR架构的视觉目标检测模型，专门针对BPMN图表中的形状元素进行了优化。

模型特点

基于Transformer的检测架构

采用DETR架构，结合了Transformer和CNN的优势，实现端到端的目标检测

针对图表元素的优化

在bpmn-shapes数据集上进行了专门微调，适合检测图表中的各种形状元素

高效的训练过程

使用混合精度训练和线性学习率调度器，优化了训练效率

模型能力

图表元素检测

目标定位

形状识别

使用案例

业务流程建模

BPMN图表分析

自动检测和识别BPMN图表中的各种流程元素

验证损失0.9817

文档处理

技术文档解析

从技术文档中提取图表和图形元素

🚀 daigram_detr_r50_albumentations_finetuning

本模型是 kacper-cierzniewski/daigram_detr_r50_albumentations 在 bpmn-shapes 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：0.9817

📚 详细文档

模型描述

更多信息待补充。

预期用途与限制

更多信息待补充。

训练和评估数据

更多信息待补充。

训练过程

训练超参数

训练期间使用了以下超参数：

学习率：1e-05
训练批次大小：48
评估批次大小：48
随机种子：42
优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
学习率调度器类型：线性
训练轮数：500
混合精度训练：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
0.9457	12.5	50	1.0238
0.9717	25.0	100	1.0411
0.9823	37.5	150	1.0269
0.9524	50.0	200	1.0518
0.9886	62.5	250	1.0548
0.9638	75.0	300	1.0454
0.948	87.5	350	1.0240
0.9312	100.0	400	1.0281
0.9183	112.5	450	1.0112
0.9219	125.0	500	1.0110
0.9285	137.5	550	1.0325
0.9177	150.0	600	1.0009
0.9323	162.5	650	1.0124
0.9333	175.0	700	1.0154
0.9386	187.5	750	1.0188
0.9586	200.0	800	0.9978
0.894	212.5	850	1.0087
0.8999	225.0	900	1.0055
0.9324	237.5	950	1.0185
0.9313	250.0	1000	0.9840
0.9177	262.5	1050	0.9785
0.8918	275.0	1100	0.9874
0.9145	287.5	1150	0.9802
0.89	300.0	1200	0.9879
0.8818	312.5	1250	0.9857
0.9256	325.0	1300	0.9951
0.9028	337.5	1350	1.0001
0.9252	350.0	1400	1.0033
0.9017	362.5	1450	0.9916
0.8783	375.0	1500	0.9858
0.911	387.5	1550	0.9758
0.8797	400.0	1600	0.9810
0.8995	412.5	1650	0.9840
0.8781	425.0	1700	0.9843
0.8897	437.5	1750	0.9745
0.905	450.0	1800	0.9825
0.8961	462.5	1850	0.9781
0.8865	475.0	1900	0.9781
0.8824	487.5	1950	0.9794
0.8836	500.0	2000	0.9817

框架版本

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.0

📄 许可证

本项目采用 Apache-2.0 许可证。

📋 模型信息表格

属性	详情
基础模型	kacper-cierzniewski/daigram_detr_r50_albumentations
标签	generated_from_trainer
数据集	bpmn-shapes
模型名称	daigram_detr_r50_albumentations_finetuning

精选推荐AI模型

Qwen2.5 VL 7B Abliterated Caption It I1 GGUF

Qwen2.5-VL-7B-Abliterated-Caption-it的量化版本，支持多语言图像描述任务。

图像生成文本

Transformers 支持多种语言

Nunchaku Flux.1 Dev Colossus

Colossus Project Flux 的 Nunchaku 量化版本，旨在根据文本提示生成高质量图像。该模型在优化推理效率的同时，将性能损失降至最低。

图像生成英语

Qwen2.5 VL 7B Abliterated Caption It GGUF

这是一个基于Qwen2.5-VL-7B模型的静态量化版本，专注于图像描述生成任务，支持多种语言。

图像生成文本

Transformers 支持多种语言

Olmocr 7B 0725 FP8

olmOCR-7B-0725-FP8是基于Qwen2.5-VL-7B-Instruct模型，使用olmOCR-mix-0225数据集微调后量化为FP8版本的文档OCR模型。

图像生成文本

Transformers 英语

Lucy-128k是基于Qwen3-1.7B开发的专注于代理式网络搜索和轻量级浏览的模型，在移动设备上也能高效运行。

大型语言模型

Transformers 英语

AIbase

智启未来，您的人工智能解决方案智库

English 简体中文繁體中文にほんご

© 2025AIbase