library_name: transformers
license: apache-2.0
base_model: facebook/detr-resnet-50-dc5
tags:

• generated_from_trainer
  model-index:
• name: detr-resnet-50-dc5-grasshopper-testdata-finetuned2.0-maxsteps-10000-batchsize-2-ilham
  results: []

detr-resnet-50-dc5-grasshopper-testdata-finetuned2.0-maxsteps-10000-batchsize-2-ilham

该模型是基于facebook/detr-resnet-50-dc5在None数据集上微调的版本。
在评估集上取得如下结果：

• 损失值：3.0007
• 平均精度(mAP)：0.0047
• mAP@50：0.0173
• mAP@75：0.0009
• 小目标mAP：0.0047
• 中目标mAP：-1.0
• 大目标mAP：-1.0
• 召回率@1：0.0017
• 召回率@10：0.0117
• 召回率@100：0.0426
• 小目标召回率：0.0426
• 中目标召回率：-1.0
• 大目标召回率：-1.0
• 黑尾叶蝉(mAP)：0.0113
• 黑尾叶蝉(召回率@100)：0.1227
• 马来亚叶蝉(mAP)：0.0075
• 马来亚叶蝉(召回率@100)：0.0307
• 白背飞虱(mAP)：0.0
• 白背飞虱(召回率@100)：0.0
• 褐飞虱(mAP)：0.0
• 褐飞虱(召回率@100)：0.0171

模型描述

需补充更多信息

预期用途与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练过程

训练超参数

训练中使用以下超参数：

• 学习率：1e-05
• 训练批次大小：2
• 评估批次大小：2
• 随机种子：42
• 优化器：使用AdamW优化器，参数beta=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型：linear
• 训练步数：10000
• 混合精度训练：原生AMP

训练结果

框架版本

• Transformers 4.48.0
• Pytorch 2.5.1+cu124
• Datasets 3.2.0
• Tokenizers 0.21.0