Segformer B0 Finetuned Morphpadver1 Hgo 3

由 NICOPOI-9 开发

基于nvidia/mit-b0微调的图像分割模型，在NICOPOI-9/morphpad_hgo_512_4class数据集上训练，擅长高精度图像分割任务。

图像分割

Transformers

开源协议:其他 #高精度图像分割 #医疗影像分析 #MIT-B0微调

下载量 30

发布时间 : 2/21/2025

模型介绍

内容详情

替代品

模型简介

该模型是SegFormer架构的轻量级实现，专门用于图像分割任务。经过在特定数据集上的微调，能够准确识别和分割图像中的不同区域。

模型特点

高精度分割

在评估集上达到0.978的平均交并比和0.9889的平均准确率，表现优异。

轻量级架构

基于SegFormer-B0架构，在保持性能的同时降低计算资源需求。

多角度适应

模型在不同角度(0-0,0-90,90-0,90-90)的图像上都表现稳定，准确率差异小。

模型能力

图像分割

像素级分类

多类别识别

使用案例

医学图像分析

组织分割

用于医学图像中特定组织的识别和分割

工业检测

缺陷检测

识别产品表面的缺陷区域

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

视觉
图像分割
从训练器生成

模型索引：

名称：segformer-b0-finetuned-morphpadver1-hgo-3
结果：[]

segformer-b0-finetuned-morphpadver1-hgo-3

该模型是基于nvidia/mit-b0在NICOPOI-9/morphpad_hgo_512_4class数据集上微调的版本。
在评估集上取得了以下结果：

损失：0.0870
平均交并比：0.9780
平均准确率：0.9889
整体准确率：0.9888
准确率0-0：0.9913
准确率0-90：0.9886
准确率90-0：0.9892
准确率90-90：0.9863
交并比0-0：0.9811
交并比0-90：0.9785
交并比90-0：0.9754
交并比90-90：0.9771

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

训练流程

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：1
评估批次大小：1
随机种子：42
优化器：使用OptimizerNames.ADAMW_TORCH，参数betas=(0.9,0.999)，epsilon=1e-08，无额外优化器参数
学习率调度器类型：线性
训练轮次：80

训练结果

训练损失	训练轮次	训练步数	验证损失	平均交并比	平均准确率	整体准确率	准确率0-0	准确率0-90	准确率90-0	准确率90-90	交并比0-0	交并比0-90	交并比90-0	交并比90-90
1.2394	2.5445	4000	1.2392	0.2273	0.3754	0.3738	0.4516	0.3985	0.2299	0.4215	0.2520	0.2205	0.1802	0.2565
1.0858	5.0891	8000	1.0986	0.2889	0.4462	0.4463	0.4510	0.3646	0.5196	0.4498	0.3208	0.2453	0.2792	0.3104
1.0059	7.6336	12000	1.0060	0.3295	0.4934	0.4935	0.4793	0.6104	0.4583	0.4256	0.3472	0.3209	0.3057	0.3442
0.9457	10.1781	16000	0.9497	0.3565	0.5236	0.5240	0.4976	0.6276	0.5356	0.4335	0.3777	0.3459	0.3490	0.3532
0.93	12.7226	20000	0.9072	0.3759	0.5397	0.5412	0.4649	0.6012	0.6437	0.4491	0.4073	0.3550	0.3549	0.3863
0.8403	15.2672	24000	0.8349	0.4263	0.5967	0.5959	0.6497	0.5299	0.6555	0.5517	0.4548	0.4083	0.3976	0.4443
0.8826	17.8117	28000	0.6734	0.5172	0.6784	0.6787	0.6590	0.7037	0.6902	0.6606	0.5517	0.4864	0.4837	0.5469
0.8028	20.3562	32000	0.4582	0.6843	0.8116	0.8120	0.7923	0.7953	0.8322	0.8268	0.6986	0.6686	0.6646	0.7056
0.8461	22.9008	36000	0.2845	0.8071	0.8931	0.8928	0.9089	0.8839	0.8825	0.8971	0.8322	0.7928	0.7850	0.8182
0.7034	25.4453	40000	0.3351	0.7724	0.8716	0.8713	0.8859	0.8680	0.8485	0.8839	0.7928	0.7649	0.7472	0.7849
1.0428	27.9898	44000	0.1882	0.8750	0.9334	0.9331	0.9467	0.9277	0.9323	0.9267	0.8912	0.8673	0.8647	0.8767
0.3497	30.5344	48000	0.1620	0.8982	0.9464	0.9461	0.9582	0.9539	0.9279	0.9455	0.9163	0.8878	0.8840	0.9046
0.0803	33.0789	52000	0.1314	0.9187	0.9577	0.9575	0.9711	0.9517	0.9508	0.9574	0.9300	0.9101	0.9121	0.9224
0.1394	35.6234	56000	0.1271	0.9228	0.9598	0.9597	0.9648	0.9612	0.9530	0.9603	0.9332	0.9163	0.9167	0.9250
0.0579	38.1679	60000	0.1170	0.9351	0.9665	0.9664	0.9723	0.9652	0.9619	0.9665	0.9446	0.9300	0.9282	0.9377
0.1097	40.7125	64000	0.1121	0.9402	0.9690	0.9691	0.9634	0.9748	0.9732	0.9644	0.9477	0.9380	0.9334	0.9416
0.0615	43.2570	68000	0.1069	0.9458	0.9720	0.9721	0.9707	0.9713	0.9777	0.9685	0.9523	0.9424	0.9426	0.9459
0.0425	45.8015	72000	0.0967	0.9540	0.9764	0.9764	0.9789	0.9740	0.9798	0.9729	0.9609	0.9506	0.9514	0.9529
0.0396	48.3461	76000	0.0991	0.9599	0.9795	0.9795	0.9827	0.9766	0.9783	0.9805	0.9656	0.9562	0.9560	0.9617
0.4319	50.8906	80000	0.0975	0.9583	0.9786	0.9787	0.9759	0.9826	0.9769	0.9792	0.9607	0.9566	0.9551	0.9608
0.0299	53.4351	84000	0.0959	0.9662	0.9828	0.9827	0.9858	0.9837	0.9807	0.9811	0.9712	0.9655	0.9637	0.9644
0.0282	55.9796	88000	0.0933	0.9687	0.9841	0.9841	0.9866	0.9830	0.9823	0.9846	0.9729	0.9665	0.9655	0.9698
0.1038	58.5242	92000	0.0864	0.9707	0.9852	0.9851	0.9882	0.9874	0.9842	0.9809	0.9727	0.9709	0.9698	0.9695
0.0246	61.0687	96000	0.0990	0.9722	0.9859	0.9859	0.9885	0.9873	0.9847	0.9832	0.9764	0.9716	0.9706	0.9703
0.0208	63.6132	100000	0.0839	0.9749	0.9873	0.9873	0.9901	0.9897	0.9850	0.9845	0.9781	0.9748	0.9726	0.9743
0.0749	66.1578	104000	0.0874	0.9761	0.9879	0.9879	0.9901	0.9888	0.9875	0.9851	0.9798	0.9757	0.9734	0.9753
0.0798	68.7023	108000	0.0866	0.9753	0.9875	0.9875	0.9908	0.9881	0.9883	0.9830	0.9792	0.9759	0.9722	0.9740
0.1236	71.2468	112000	0.0933	0.9775	0.9886	0.9886	0.9911	0.9895	0.9870	0.9868	0.9813	0.9773	0.9748	0.9765
0.0165	73.7913	116000	0.0894	0.9785	0.9891	0.9891	0.9902	0.9912	0.9867	0.9886	0.9818	0.9782	0.9759	0.9783
0.0204	76.3359	120000	0.0885	0.9792	0.9895	0.9895	0.9909	0.9913	0.9874	0.9884	0.9823	0.9791	0.9766	0.9788
0.7823	78.8804	124000	0.0870	0.9780	0.9889	0.9888	0.9913	0.9886	0.9892	0.9863	0.9811	0.9785	0.9754	0.9771