Mit B0 Corm

由 AI-Lab-Makerere 开发

基于nvidia/mit-b0微调的图像分割模型，在评估集上表现出色，平均交并比达0.9210，平均准确率0.9571。

图像分割

Transformers

开源协议:其他 #高精度图像分割 #农业损伤检测 #多类别语义分割

下载量 50

发布时间 : 3/5/2025

模型介绍

内容详情

替代品

模型简介

该模型是基于nvidia/mit-b0架构微调的图像分割模型，专门用于识别和分割图像中的背景、球茎和损伤区域。

模型特点

高精度分割

在评估集上取得0.9210的平均交并比和0.9571的平均准确率，表现优异。

多类别识别

能够准确识别和分割背景、球茎和损伤三类目标。

稳定训练

经过40轮训练后，各项指标趋于稳定，验证损失降至0.0433。

模型能力

图像分割

多类别目标识别

背景区域检测

球茎区域检测

损伤区域检测

使用案例

农业检测

农作物病害检测

识别作物图像中的受损区域，辅助病害诊断。

损伤区域检测准确率达93.77%，交并比89.23%

植物学研究

植物器官分析

精确分割植物球茎区域，用于生长状况分析。

球茎区域检测准确率达93.60%，交并比87.62%

库名称：transformers 许可证：其他基础模型：nvidia/mit-b0 标签：

视觉
图像分割
训练生成模型索引：
名称：mit-b0_corm 结果：[]

mit-b0_corm

该模型是基于nvidia/mit-b0在None数据集上微调的版本。在评估集上取得了以下结果：

损失：0.0433
平均交并比：0.9210
平均准确率：0.9571
总体准确率：0.9853
背景准确率：0.9977
球茎准确率：0.9360
损伤准确率：0.9377
背景交并比：0.9944
球茎交并比：0.8762
损伤交并比：0.8923

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

学习率：6e-05
训练批次大小：8
评估批次大小：8
随机种子：42
优化器：Adam，参数betas=(0.9,0.999)，epsilon=1e-08
学习率调度器类型：线性
学习率预热比例：0.05
训练轮数：40

训练结果

训练损失	轮次	步数	验证损失	平均交并比	平均准确率	总体准确率	背景准确率	球茎准确率	损伤准确率	背景交并比	球茎交并比	损伤交并比
0.933	0.6061	20	1.0299	0.3591	0.6054	0.6910	0.7236	0.1098	0.9827	0.7236	0.0867	0.2671
0.6505	1.2121	40	0.6909	0.6522	0.8240	0.9013	0.9328	0.5651	0.9740	0.9328	0.4509	0.5728
0.4133	1.8182	60	0.4184	0.7567	0.8872	0.9394	0.9609	0.7307	0.9701	0.9607	0.6218	0.6875
0.3299	2.4242	80	0.3451	0.8351	0.9306	0.9617	0.9751	0.8924	0.9243	0.9748	0.7569	0.7735
0.2594	3.0303	100	0.2506	0.8703	0.9412	0.9727	0.9862	0.8989	0.9384	0.9852	0.8019	0.8237
0.2253	3.6364	120	0.2006	0.8851	0.9403	0.9779	0.9939	0.8672	0.9599	0.9915	0.8207	0.8430
0.2222	4.2424	140	0.1654	0.8990	0.9490	0.9805	0.9946	0.9446	0.9079	0.9920	0.8438	0.8612
0.1347	4.8485	160	0.1413	0.9048	0.9508	0.9819	0.9956	0.9334	0.9234	0.9928	0.8526	0.8689
0.1366	5.4545	180	0.1155	0.9094	0.9516	0.9829	0.9966	0.9258	0.9325	0.9933	0.8583	0.8765
0.1121	6.0606	200	0.1086	0.8938	0.9447	0.9801	0.9961	0.9628	0.8753	0.9933	0.8392	0.8487
0.0982	6.6667	220	0.0963	0.9115	0.9524	0.9835	0.9972	0.9374	0.9227	0.9938	0.8626	0.8780
0.0993	7.2727	240	0.0892	0.9094	0.9513	0.9832	0.9968	0.9001	0.9571	0.9940	0.8570	0.8773
0.0813	7.8788	260	0.0842	0.9127	0.9543	0.9837	0.9966	0.9380	0.9281	0.9939	0.8643	0.8798
0.1059	8.4848	280	0.0774	0.9152	0.9541	0.9842	0.9973	0.9258	0.9391	0.9940	0.8673	0.8843
0.082	9.0909	300	0.0729	0.9159	0.9541	0.9843	0.9975	0.9294	0.9355	0.9940	0.8681	0.8854
0.0725	9.6970	320	0.0692	0.9162	0.9544	0.9844	0.9975	0.9247	0.9411	0.9941	0.8686	0.8861
0.0814	10.3030	340	0.0687	0.9161	0.9541	0.9844	0.9975	0.9155	0.9492	0.9942	0.8675	0.8865
0.076	10.9091	360	0.0640	0.9157	0.9555	0.9843	0.9968	0.9219	0.9479	0.9941	0.8680	0.8849
0.07	11.5152	380	0.0633	0.9166	0.9553	0.9845	0.9973	0.9375	0.9310	0.9941	0.8698	0.8859
0.0674	12.1212	400	0.0611	0.9176	0.9549	0.9847	0.9977	0.9217	0.9453	0.9943	0.8704	0.8881
0.0638	12.7273	420	0.0601	0.9116	0.9522	0.9836	0.9977	0.9529	0.9059	0.9941	0.8641	0.8768
0.0566	13.3333	440	0.0582	0.9176	0.9561	0.9847	0.9972	0.9322	0.9387	0.9943	0.8714	0.8872
0.0582	13.9394	460	0.0614	0.9077	0.9502	0.9829	0.9976	0.9583	0.8948	0.9941	0.8588	0.8700
0.0555	14.5455	480	0.0561	0.9146	0.9534	0.9841	0.9978	0.9481	0.9142	0.9941	0.8679	0.8817
0.053	15.1515	500	0.0540	0.9182	0.9551	0.9848	0.9977	0.9185	0.9492	0.9943	0.8707	0.8895
0.059	15.7576	520	0.0549	0.9180	0.9565	0.9848	0.9970	0.9248	0.9478	0.9943	0.8711	0.8887
0.0484	16.3636	540	0.0529	0.9177	0.9563	0.9847	0.9973	0.9405	0.9311	0.9943	0.8721	0.8866
0.0559	16.9697	560	0.0510	0.9192	0.9565	0.9850	0.9974	0.9268	0.9453	0.9943	0.8729	0.8904
0.0542	17.5758	580	0.0512	0.9190	0.9569	0.9850	0.9973	0.9351	0.9382	0.9944	0.8733	0.8894
0.0451	18.1818	600	0.0505	0.9184	0.9557	0.9848	0.9977	0.9428	0.9265	0.9943	0.8729	0.8880
0.05	18.7879	620	0.0499	0.9178	0.9542	0.9848	0.9979	0.9098	0.9549	0.9943	0.8691	0.8899
0.063	19.3939	640	0.0491	0.9190	0.9560	0.9850	0.9975	0.9221	0.9483	0.9943	0.8723	0.8904
0.0484	20.0	660	0.0501	0.9185	0.9569	0.9849	0.9972	0.9427	0.9308	0.9944	0.8732	0.8880
0.0527	20.6061	680	0.0492	0.9186	0.9561	0.9849	0.9976	0.9430	0.9276	0.9943	0.8732	0.8884
0.0583	21.2121	700	0.0476	0.9195	0.9563	0.9851	0.9976	0.9208	0.9506	0.9944	0.8730	0.8911
0.0557	21.8182	720	0.0488	0.9188	0.9565	0.9850	0.9973	0.9191	0.9531	0.9945	0.8723	0.8896
0.0458	22.4242	740	0.0481	0.9194	0.9568	0.9851	0.9973	0.9242	0.9489	0.9944	0.8729	0.8909
0.042	23.0303	760	0.0472	0.9202	0.9570	0.9852	0.9975	0.9326	0.9409	0.9944	0.8749	0.8911
0.0459	23.6364	780	0.0468	0.9191	0.9565	0.9850	0.9976	0.9423	0.9295	0.9944	0.8740	0.8889
0.0491	24.2424	800	0.0464	0.9204	0.9568	0.9852	0.9977	0.9361	0.9366	0.9944	0.8753	0.8914
0.0548	24.8485	820	0.0454	0.9201	0.9565	0.9852	0.9976	0.9244	0.9475	0.9944	0.8740	0.8917
0.0447	25.4545	840	0.0473	0.9176	0.9558	0.9847	0.9976	0.9477	0.9222	0.9944	0.8723	0.8863
0.0457	26.0606	860	0.0468	0.9203	0.9567	0.9852	0.9976	0.9270	0.9456	0.9944	0.8745	0.8922
0.0468	26.6667	880	0.0454	0.9201	0.9572	0.9852	0.9974	0.9403	0.9341	0.9944	0.8753	0.8905
0.0433	27.2727	900	0.0452	0.9208	0.9563	0.9853	0.9980	0.9339	0.9371	0.9943	0.8759	0.8923
0.0438	27.8788	920	0.0452	0.9208	0.9574	0.9853	0.9975	0.9352	0.9396	0.9944	0.8760	0.8920
0.0446	28.4848	940	0.0447	0.9210	0.9568	0.9853	0.9978	0.9349	0.9377	0.9943	0.8760	0.8926
0.0492	29.0909	960	0.0452	0.9211	0.9568	0.9853	0.9978	0.9352	0.9374	0.9943	0.8762	0.8928
0.0481	29.6970	980	0.0456	0.9195	0.9567	0.9851	0.9976	0.9443	0.9283	0.9944	0.8747	0.8893
0.0405	30.3030	1000	0.0447	0.9206	0.9574	0.9853	0.9975	0.9391	0.9355	0.9944	0.8758	0.8916
0.0505	30.9091	1020	0.0443	0.9210	0.9570	0.9853	0.9978	0.9370	0.9364	0.9944	0.8763	0.8923
0.047	31.5152	1040	0.0450	0.9204	0.9568	0.9853	0.9976	0.9223	0.9505	0.9945	0.8744	0.8923
0.0548	32.1212	1060	0.0452	0.9192	0.9561	0.9850	0.9978	0.9442	0.9261	0.9944	0.8744	0.8889
0.0445	32.7273	1080	0.0442	0.9208	0.9573	0.9853	0.9975	0.9320	0.9426	0.9944	0.8758	0.8921
0.0539	33.3333	1100	0.0435	0.9208	0.9571	0.9853	0.9976	0.9359	0.9379	0.9944	0.8758	0.8921
0.0383	33.9394	1120	0.0459	0.9171	0.9549	0.9846	0.9979	0.9493	0.9175	0.9943	0.8716	0.8853
0.0478	34.5455	1140	0.0443	0.9203	0.9572	0.9852	0.9974	0.9246	0.9496	0.9945	0.8748	0.8916
0.0432	35.1515	1160	0.0442	0.9210	0.9571	0.9853	0.9977	0.9349	0.9388	0.9944	0.8762	0.8924
0.0468	35.7576	1180	0.0439	0.9208	0.9572	0.9853	0.9976	0.9371	0.9368	0.9944	0.8761	0.8919
0.0475	36.3636	1200	0.0443	0.9209	0.9571	0.9853	0.9977	0.9371	0.9364	0.9944	0.8762	0.8921
0.0388	36.9697	1220	0.0436	0.9208	0.9573	0.9853	0.9976	0.9371	0.9373	0.9944	0.8761	0.8919
0.0468	37.5758	1240	0.0431	0.9208	0.9574	0.9853	0.9975	0.9343	0.9405	0.9944	0.8760	0.8921
0.0426	38.1818	1260	0.0445	0.9205	0.9570	0.9852	0.9977	0.9415	0.9318	0.9944	0.8758	0.8912
0.0549	38.7879	1280	0.0436	0.9209	0.9571	0.9853	0.9977	0.9373	0.9362	0.9944	0.8761	0.8921
0.045	39.3939	1300	0.0438	0.9208	0.9573	0.9853	0.9976	0.9381	0.9362	0.9944	0.8760	0.8919
0.0287	40.0	1320	0.0433	0.9210	0.9571	0.9853	0.9977	0.9360	0.9377	0.9944	0.8762	0.8923