Segformer Trainer Test Bis

🚀 segformer-trainer-test-bis

本模型是基于 nvidia/mit-b0 在 segments/sidewalk-semantic 数据集上进行微调的版本。它在评估集上取得了以下结果，可用于图像分割等视觉任务，为相关领域的研究和应用提供了有价值的参考。

🚀 快速开始

本模型是 nvidia/mit-b0 在 segments/sidewalk-semantic 数据集上的微调版本。它在评估集上取得了如下结果：

• 损失值：1.3784
• 平均交并比（Mean Iou）：0.1424
• 平均准确率（Mean Accuracy）：0.1896
• 总体准确率（Overall Accuracy）：0.7288
• 未标记准确率（Accuracy Unlabeled）：nan
• 平坦道路准确率（Accuracy Flat-road）：0.6651
• 平坦人行道准确率（Accuracy Flat-sidewalk）：0.9129
• 平坦人行横道准确率（Accuracy Flat-crosswalk）：0.0
• 平坦自行车道准确率（Accuracy Flat-cyclinglane）：0.5829
• 平坦停车场车道准确率（Accuracy Flat-parkingdriveway）：0.0184
• 平坦铁轨准确率（Accuracy Flat-railtrack）：0.0
• 平坦路缘准确率（Accuracy Flat-curb）：0.0
• 人类行人准确率（Accuracy Human-person）：0.0
• 人类骑手准确率（Accuracy Human-rider）：0.0
• 汽车准确率（Accuracy Vehicle-car）：0.8322
• 卡车准确率（Accuracy Vehicle-truck）：0.0
• 巴士准确率（Accuracy Vehicle-bus）：0.0
• 电车/火车准确率（Accuracy Vehicle-tramtrain）：0.0
• 摩托车准确率（Accuracy Vehicle-motorcycle）：0.0
• 自行车准确率（Accuracy Vehicle-bicycle）：0.0
• 大篷车准确率（Accuracy Vehicle-caravan）：0.0
• 汽车拖车准确率（Accuracy Vehicle-cartrailer）：0.0
• 建筑物准确率（Accuracy Construction-building）：0.8930
• 门准确率（Accuracy Construction-door）：0.0
• 墙准确率（Accuracy Construction-wall）：0.0025
• 围栏/护栏准确率（Accuracy Construction-fenceguardrail）：0.0
• 桥梁准确率（Accuracy Construction-bridge）：0.0
• 隧道准确率（Accuracy Construction-tunnel）：0.0
• 楼梯准确率（Accuracy Construction-stairs）：0.0
• 杆子准确率（Accuracy Object-pole）：0.0008
• 交通标志准确率（Accuracy Object-trafficsign）：0.0
• 交通灯准确率（Accuracy Object-trafficlight）：0.0
• 自然植被准确率（Accuracy Nature-vegetation）：0.8552
• 自然地形准确率（Accuracy Nature-terrain）：0.8507
• 天空准确率（Accuracy Sky）：0.8336
• 空白地面准确率（Accuracy Void-ground）：0.0
• 空白动态准确率（Accuracy Void-dynamic）：0.0
• 空白静态准确率（Accuracy Void-static）：0.0
• 空白不明确准确率（Accuracy Void-unclear）：0.0
• 未标记交并比（Iou Unlabeled）：nan
• 平坦道路交并比（Iou Flat-road）：0.4712
• 平坦人行道交并比（Iou Flat-sidewalk）：0.7651
• 平坦人行横道交并比（Iou Flat-crosswalk）：0.0
• 平坦自行车道交并比（Iou Flat-cyclinglane）：0.5216
• 平坦停车场车道交并比（Iou Flat-parkingdriveway）：0.0178
• 平坦铁轨交并比（Iou Flat-railtrack）：0.0
• 平坦路缘交并比（Iou Flat-curb）：0.0
• 人类行人交并比（Iou Human-person）：0.0
• 人类骑手交并比（Iou Human-rider）：0.0
• 汽车交并比（Iou Vehicle-car）：0.5696
• 卡车交并比（Iou Vehicle-truck）：0.0
• 巴士交并比（Iou Vehicle-bus）：0.0
• 电车/火车交并比（Iou Vehicle-tramtrain）：0.0
• 摩托车交并比（Iou Vehicle-motorcycle）：0.0
• 自行车交并比（Iou Vehicle-bicycle）：0.0
• 大篷车交并比（Iou Vehicle-caravan）：0.0
• 汽车拖车交并比（Iou Vehicle-cartrailer）：0.0
• 建筑物交并比（Iou Construction-building）：0.4716
• 门交并比（Iou Construction-door）：0.0
• 墙交并比（Iou Construction-wall）：0.0024
• 围栏/护栏交并比（Iou Construction-fenceguardrail）：0.0
• 桥梁交并比（Iou Construction-bridge）：0.0
• 隧道交并比（Iou Construction-tunnel）：0.0
• 楼梯交并比（Iou Construction-stairs）：0.0
• 杆子交并比（Iou Object-pole）：0.0008
• 交通标志交并比（Iou Object-trafficsign）：0.0
• 交通灯交并比（Iou Object-trafficlight）：0.0
• 自然植被交并比（Iou Nature-vegetation）：0.6813
• 自然地形交并比（Iou Nature-terrain）：0.5513
• 天空交并比（Iou Sky）：0.7873
• 空白地面交并比（Iou Void-ground）：0.0
• 空白动态交并比（Iou Void-dynamic）：0.0
• 空白静态交并比（Iou Void-static）：0.0
• 空白不明确交并比（Iou Void-unclear）：0.0

🔧 技术细节

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）：16
• 评估批次大小（eval_batch_size）：16
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，其中 betas=(0.9, 0.999)，epsilon = 1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 训练轮数（num_epochs）：10.0

框架版本

• Transformers 4.19.0.dev0
• Pytorch 1.11.0+cu113
• Datasets 2.0.0
• Tokenizers 0.11.6

📄 许可证

本项目采用 Apache-2.0 许可证。