Route Background Semantic X2

🚀 route_background_semantic_x2

route_background_semantic_x2 是一个在图像分割领域表现出色的模型，它基于 Logiroad/route_background_semantic_x2 进行微调，在特定数据集上取得了良好的评估结果，为图像分割任务提供了有效的解决方案。

🚀 快速开始

此模型是 Logiroad/route_background_semantic_x2 在 Logiroad/route_background_semantic 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)：0.4592
• 平均交并比 (Mean Iou)：0.2260
• 平均准确率 (Mean Accuracy)：0.2982
• 整体准确率 (Overall Accuracy)：0.3342
• 未标记准确率 (Accuracy Unlabeled)：nan
• 切割准确率 (Accuracy Découpe)：0.2100
• 气象反射准确率 (Accuracy Reflet météo)：0.1023
• 其他修复准确率 (Accuracy Autre réparation)：0.3946
• 结冰或渗水准确率 (Accuracy Glaçage ou ressuage)：0.3102
• 涌现准确率 (Accuracy Emergence)：0.4740
• 未标记交并比 (Iou Unlabeled)：0.0
• 切割交并比 (Iou Découpe)：0.1894
• 气象反射交并比 (Iou Reflet météo)：0.1009
• 其他修复交并比 (Iou Autre réparation)：0.3656
• 结冰或渗水交并比 (Iou Glaçage ou ressuage)：0.2399
• 涌现交并比 (Iou Emergence)：0.4600

🔧 技术细节

训练超参数

在训练过程中使用了以下超参数：

• 学习率 (learning_rate)：6e-05
• 训练批次大小 (train_batch_size)：6
• 评估批次大小 (eval_batch_size)：6
• 随机种子 (seed)：1337
• 优化器 (optimizer)：使用 OptimizerNames.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
• 训练步数 (training_steps)：200000

训练结果

框架版本

• Transformers 4.46.1
• Pytorch 2.3.0
• Datasets 3.1.0
• Tokenizers 0.20.3

📄 许可证

文档中未提及相关许可证信息。若有需要，请进一步查阅相关资料获取该模型的许可证详情。