🚀 segformer-b1-finetuned-tennisdata

本模型是 nvidia/mit-b0 在 julia-wenkmann/TennisSegmentation 数据集上的微调版本。它在评估集上取得了以下成果，可用于图像分割相关任务，为视觉领域的研究和应用提供了有力支持。

🚀 快速开始

该模型是基于 nvidia/mit-b0 在特定网球分割数据集上微调得到的。以下是它在评估集上的表现：

• 评估损失（eval_loss）：0.0158
• 评估平均交并比（eval_mean_iou）：0.4994
• 评估平均准确率（eval_mean_accuracy）：0.6483
• 评估总体准确率（eval_overall_accuracy）：0.9915
• 评估未定义准确率（eval_accuracy_undefined）：nan
• 评估物体准确率（eval_accuracy_object）：nan
• 评估球准确率（eval_accuracy_ball）：0.0
• 评估顶部球员准确率（eval_accuracy_playerTop）：0.7071
• 评估底部球员准确率（eval_accuracy_playerBottom）：0.8904
• 评估球场准确率（eval_accuracy_court）：0.9956
• 评估未定义交并比（eval_iou_undefined）：0.0
• 评估物体交并比（eval_iou_object）：nan
• 评估球交并比（eval_iou_ball）：0.0
• 评估顶部球员交并比（eval_iou_playerTop）：0.7071
• 评估底部球员交并比（eval_iou_playerBottom）：0.7968
• 评估球场交并比（eval_iou_court）：0.9931
• 评估运行时间（eval_runtime）：8.2745
• 评估每秒样本数（eval_samples_per_second）：2.175
• 评估每秒步数（eval_steps_per_second）：1.088
• 训练轮数（epoch）：29.41
• 训练步数（step）：1000

✨ 主要特性

• 微调基础模型：基于 nvidia/mit-b0 进行微调，继承了基础模型的优秀特性。
• 特定数据集训练：在 julia-wenkmann/TennisSegmentation 数据集上进行训练，适用于网球相关图像分割任务。
• 多指标评估：通过多种评估指标（如准确率、交并比等）全面衡量模型性能。

🔧 技术细节

训练超参数

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）：2
• 评估批次大小（eval_batch_size）：2
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，其中 betas=(0.9, 0.999)，epsilon=1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 训练轮数（num_epochs）：100

框架版本

• Transformers：4.35.2
• Pytorch：2.1.0+cu121
• Datasets：2.17.1
• Tokenizers：0.15.2

📄 许可证

本模型使用其他许可证。