Segformer B0 Finetuned Segments Graffiti

由 Adriatogi 开发

基于NVIDIA的SegFormer-B0架构，在涂鸦分割数据集上微调的图像分割模型，能够准确识别和分割图像中的涂鸦区域。

图像分割

Transformers

开源协议:其他 #涂鸦分割 #高精度分割 #城市景观分析

下载量 14

发布时间 : 3/19/2024

模型介绍

内容详情

替代品

模型简介

该模型是专门用于涂鸦检测和分割的视觉模型，能够将图像中的涂鸦区域与背景分离，适用于城市管理、文物保护等场景。

模型特点

高精度涂鸦分割

在评估集上达到0.8048的平均交并比和0.8943的平均准确率

轻量级架构

基于SegFormer-B0的轻量级设计，适合资源受限环境部署

双类别识别

能准确区分涂鸦区域(0.9056准确率)和非涂鸦区域(0.8830准确率)

模型能力

图像分割

涂鸦检测

像素级分类

使用案例

城市管理

非法涂鸦监测

自动检测城市中的非法涂鸦，辅助市政清洁工作

可准确识别涂鸦区域，交并比达0.7870

文物保护

历史建筑涂鸦修复

识别历史建筑上的涂鸦区域，辅助修复工作

非涂鸦区域识别准确率达0.8830

license: other base_model: nvidia/mit-b0 tags:

视觉
图像分割
训练生成 model-index:
name: segformer-b0-finetuned-segments-graffiti results: []

segformer-b0-finetuned-segments-graffiti

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

损失：0.3250
平均交并比：0.8048
平均准确率：0.8943
总体准确率：0.8929
非涂鸦准确率：0.8830
涂鸦准确率：0.9056
非涂鸦交并比：0.8227
涂鸦交并比：0.7870

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：0.0001
训练批次大小：1
评估批次大小：1
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：10

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	非涂鸦准确率	涂鸦准确率	非涂鸦交并比	涂鸦交并比
0.5235	0.21	20	0.6135	0.6499	0.8016	0.7879	0.6926	0.9105	0.6476	0.6523
0.5744	0.42	40	0.4091	0.7237	0.8496	0.8398	0.7714	0.9279	0.7305	0.7169
0.3705	0.62	60	0.3959	0.7389	0.8592	0.8500	0.7864	0.9320	0.7469	0.7309
0.1897	0.83	80	0.3006	0.7748	0.8666	0.8774	0.9525	0.7807	0.8139	0.7357
0.1662	1.04	100	0.2900	0.7817	0.8723	0.8809	0.9407	0.8040	0.8164	0.7469
0.4537	1.25	120	0.2751	0.7956	0.8830	0.8886	0.9276	0.8384	0.8242	0.7669
0.1249	1.46	140	0.2719	0.7944	0.8841	0.8873	0.9094	0.8588	0.8196	0.7691
0.4985	1.67	160	0.3441	0.7463	0.8630	0.8550	0.7995	0.9264	0.7563	0.7363
0.4279	1.88	180	0.2911	0.7819	0.8764	0.8796	0.9016	0.8512	0.8082	0.7555
0.1776	2.08	200	0.2808	0.7928	0.8831	0.8864	0.9093	0.8569	0.8184	0.7673
0.209	2.29	220	0.2815	0.7857	0.8752	0.8832	0.9393	0.8111	0.8191	0.7522
0.152	2.5	240	0.2833	0.7921	0.8846	0.8854	0.8916	0.8775	0.8142	0.7700
0.5696	2.71	260	0.2698	0.8035	0.8921	0.8923	0.8941	0.8901	0.8238	0.7832
0.1003	2.92	280	0.3147	0.7739	0.8796	0.8729	0.8263	0.9329	0.7854	0.7624
0.1349	3.12	300	0.2961	0.7980	0.8906	0.8886	0.8747	0.9064	0.8154	0.7805
0.2552	3.33	320	0.2701	0.8001	0.8914	0.8900	0.8800	0.9028	0.8183	0.7820
0.1138	3.54	340	0.2808	0.7890	0.8854	0.8830	0.8664	0.9044	0.8065	0.7716
0.1602	3.75	360	0.2815	0.7956	0.8875	0.8875	0.8874	0.8875	0.8161	0.7751
0.0823	3.96	380	0.3195	0.7753	0.8799	0.8739	0.8325	0.9272	0.7879	0.7627
0.331	4.17	400	0.3339	0.7782	0.8821	0.8757	0.8312	0.9330	0.7901	0.7664
0.205	4.38	420	0.3083	0.7923	0.8885	0.8849	0.8595	0.9175	0.8077	0.7769
0.1659	4.58	440	0.3035	0.7887	0.8862	0.8826	0.8569	0.9156	0.8042	0.7731
0.1186	4.79	460	0.2856	0.8004	0.8839	0.8923	0.9500	0.8179	0.8323	0.7684
0.2964	5.0	480	0.3583	0.7592	0.8723	0.8633	0.8004	0.9442	0.7672	0.7512
0.0742	5.21	500	0.3269	0.7804	0.8820	0.8772	0.8444	0.9196	0.7947	0.7660
0.1355	5.42	520	0.3504	0.7784	0.8819	0.8759	0.8338	0.9301	0.7908	0.7661
0.0757	5.62	540	0.2771	0.8062	0.8927	0.8942	0.9050	0.8804	0.8280	0.7844
0.2015	5.83	560	0.3324	0.7851	0.8850	0.8802	0.8469	0.9232	0.7992	0.7711
0.1187	6.04	580	0.2853	0.8077	0.8943	0.8949	0.8995	0.8891	0.8282	0.7872
0.1243	6.25	600	0.3166	0.7968	0.8915	0.8875	0.8599	0.9232	0.8115	0.7820
0.0484	6.46	620	0.2876	0.8134	0.8968	0.8986	0.9110	0.8826	0.8349	0.7919
0.0772	6.67	640	0.2985	0.8085	0.8964	0.8951	0.8863	0.9064	0.8263	0.7907
0.2296	6.88	660	0.3134	0.8080	0.8951	0.8950	0.8940	0.8962	0.8274	0.7886
0.0544	7.08	680	0.3300	0.8014	0.8925	0.8907	0.8780	0.9070	0.8189	0.7839
0.0942	7.29	700	0.3133	0.8070	0.8936	0.8946	0.9013	0.8860	0.8280	0.7860
0.2432	7.5	720	0.3376	0.8014	0.8938	0.8905	0.8675	0.9201	0.8168	0.7860
0.0637	7.71	740	0.3021	0.8108	0.8968	0.8967	0.8965	0.8970	0.8301	0.7915
0.0946	7.92	760	0.3242	0.8048	0.8943	0.8929	0.8831	0.9054	0.8227	0.7870
0.1291	8.12	780	0.3315	0.8011	0.8934	0.8903	0.8689	0.9179	0.8169	0.7853
0.1077	8.33	800	0.3095	0.8117	0.8944	0.8979	0.9221	0.8667	0.8356	0.7877
0.177	8.54	820	0.3174	0.8117	0.8951	0.8977	0.9162	0.8740	0.8345	0.7888
0.057	8.75	840	0.3106	0.8111	0.8973	0.8968	0.8930	0.9016	0.8297	0.7925
0.2007	8.96	860	0.3645	0.7953	0.8909	0.8866	0.8571	0.9247	0.8097	0.7809
0.1281	9.17	880	0.3561	0.8008	0.8932	0.8902	0.8688	0.9176	0.8166	0.7850
0.0639	9.38	900	0.3120	0.8109	0.8969	0.8968	0.8962	0.8975	0.8301	0.7917
0.0766	9.58	920	0.3306	0.8057	0.8947	0.8934	0.8843	0.9051	0.8236	0.7877
0.1766	9.79	940	0.3321	0.8042	0.8941	0.8925	0.8813	0.9068	0.8219	0.7866
0.0842	10.0	960	0.3250	0.8048	0.8943	0.8929	0.8830	0.9056	0.8227	0.7870