Segformer B5 Finetuned 100by100PNG 50epochs Attempt2 100epochs Backgroundclass 2

由 JCAI2000 开发

该模型是基于nvidia/mit-b5在JCAI2000/100By100BranchPNG数据集上微调的图像分割模型，主要用于分支与背景的语义分割任务。

图像分割

Transformers

开源协议:其他 #高精度图像分割 #小尺寸图像处理 #植物分支识别

下载量 16

发布时间 : 9/6/2023

模型介绍

内容详情

替代品

模型简介

这是一个基于SegFormer架构的语义分割模型，经过微调后专门用于处理100x100像素大小的PNG图像，能够准确区分图像中的分支和背景区域。

模型特点

高精度分割

在评估集上取得了0.8933的平均交并比和0.9531的平均准确率

背景识别能力强

背景识别准确率达到0.9732，交并比达到0.9597

小尺寸图像优化

专门针对100x100像素的小尺寸PNG图像进行了优化

模型能力

图像语义分割

背景识别

分支检测

使用案例

农业图像分析

植物分支检测

用于识别和分析植物图像中的分支结构

分支识别准确率93.3%，交并比82.7%

遥感图像处理

地表覆盖分类

用于区分地表覆盖类型，如植被和非植被区域

license: other base_model: nvidia/mit-b5 tags:

视觉
图像分割
训练生成 model-index:
name: segformer-b3-微调-100x100PNG-50轮次-尝试2-100轮次-背景类别 results: []

segformer-b3-微调-100x100PNG-50轮次-尝试2-100轮次-背景类别

该模型是基于nvidia/mit-b5在JCAI2000/100By100BranchPNG数据集上微调的版本。在评估集上取得了以下结果：

损失值：0.1497
平均交并比：0.8933
平均准确率：0.9531
总体准确率：0.9662
背景准确率：0.9732
分支准确率：0.9330
背景交并比：0.9597
分支交并比：0.8270

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

训练过程中使用了以下超参数：

学习率：6e-05
训练批次大小：2
评估批次大小：2
随机种子：42
优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
学习率调度器类型：线性
训练轮次：100

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	分支准确率	背景交并比	分支交并比
0.2055	1.05	20	0.2925	0.8151	0.9469	0.9320	0.9242	0.9695	0.9183	0.7118
0.1549	2.11	40	0.1328	0.8802	0.9311	0.9628	0.9796	0.8825	0.9561	0.8043
0.0735	3.16	60	0.1178	0.8804	0.9512	0.9613	0.9666	0.9357	0.9538	0.8070
0.0636	4.21	80	0.0844	0.8966	0.9368	0.9686	0.9854	0.8881	0.9629	0.8303
0.0546	5.26	100	0.1099	0.8969	0.9526	0.9676	0.9756	0.9297	0.9614	0.8325
0.0567	6.32	120	0.1012	0.8996	0.9500	0.9688	0.9788	0.9213	0.9629	0.8364
0.0515	7.37	140	0.1137	0.8935	0.9462	0.9668	0.9777	0.9147	0.9605	0.8265
0.052	8.42	160	0.0987	0.8914	0.9317	0.9670	0.9858	0.8776	0.9611	0.8217
0.0358	9.47	180	0.1167	0.8978	0.9581	0.9676	0.9726	0.9435	0.9613	0.8344
0.0254	10.53	200	0.0767	0.9111	0.9519	0.9729	0.9840	0.9197	0.9678	0.8545
0.0483	11.58	220	0.0953	0.9037	0.9524	0.9701	0.9795	0.9253	0.9645	0.8429
0.0285	12.63	240	0.0904	0.9026	0.9490	0.9700	0.9811	0.9169	0.9643	0.8409
0.0389	13.68	260	0.0902	0.9025	0.9472	0.9701	0.9821	0.9123	0.9644	0.8406
0.0473	14.74	280	0.0852	0.9084	0.9522	0.9719	0.9823	0.9220	0.9665	0.8502
0.0266	15.79	300	0.0983	0.8985	0.9409	0.9690	0.9839	0.8979	0.9633	0.8337
0.0233	16.84	320	0.0965	0.9052	0.9601	0.9702	0.9756	0.9447	0.9644	0.8460
0.0257	17.89	340	0.0941	0.9039	0.9550	0.9701	0.9781	0.9319	0.9643	0.8434
0.0352	18.95	360	0.0855	0.9043	0.9483	0.9706	0.9824	0.9142	0.9651	0.8435
0.1941	20.0	380	0.0946	0.9045	0.9509	0.9706	0.9809	0.9210	0.9650	0.8441
0.0325	21.05	400	0.0972	0.8973	0.9449	0.9683	0.9807	0.9092	0.9624	0.8323
0.0159	22.11	420	0.0828	0.9081	0.9528	0.9717	0.9817	0.9239	0.9664	0.8498
0.0175	23.16	440	0.1061	0.8995	0.9491	0.9688	0.9793	0.9188	0.9629	0.8360
0.0281	24.21	460	0.1090	0.8969	0.9516	0.9677	0.9761	0.9271	0.9615	0.8323
0.0177	25.26	480	0.1122	0.8983	0.9547	0.9680	0.9750	0.9343	0.9618	0.8347
0.0228	26.32	500	0.1088	0.8957	0.9546	0.9670	0.9736	0.9357	0.9606	0.8307
0.0348	27.37	520	0.0933	0.9059	0.9524	0.9710	0.9808	0.9241	0.9654	0.8464
0.0177	28.42	540	0.1053	0.9025	0.9527	0.9697	0.9787	0.9268	0.9639	0.8411
0.0182	29.47	560	0.1039	0.8992	0.9473	0.9688	0.9802	0.9143	0.9630	0.8355
0.0171	30.53	580	0.1117	0.8991	0.9555	0.9682	0.9750	0.9360	0.9621	0.8361
0.0275	31.58	600	0.1142	0.8935	0.9497	0.9665	0.9754	0.9241	0.9601	0.8268
0.0186	32.63	620	0.1065	0.9024	0.9524	0.9697	0.9788	0.9261	0.9639	0.8408
0.0173	33.68	640	0.1081	0.8986	0.9529	0.9682	0.9764	0.9294	0.9621	0.8351
0.015	34.74	660	0.1243	0.8935	0.9530	0.9663	0.9733	0.9327	0.9598	0.8272
0.0183	35.79	680	0.1120	0.9005	0.9500	0.9691	0.9792	0.9209	0.9633	0.8377
0.0248	36.84	700	0.1185	0.8962	0.9517	0.9674	0.9757	0.9277	0.9611	0.8312
0.0104	37.89	720	0.1136	0.8975	0.9506	0.9680	0.9771	0.9241	0.9619	0.8332
0.0481	38.95	740	0.1127	0.9010	0.9528	0.9691	0.9778	0.9277	0.9632	0.8388
0.0153	40.0	760	0.1101	0.9019	0.9537	0.9694	0.9777	0.9297	0.9635	0.8402
0.0143	41.05	780	0.1105	0.9032	0.9558	0.9698	0.9771	0.9345	0.9639	0.8425
0.0104	42.11	800	0.1122	0.8986	0.9428	0.9689	0.9827	0.9028	0.9631	0.8340
0.0172	43.16	820	0.1097	0.9041	0.9540	0.9702	0.9788	0.9291	0.9645	0.8437
0.0371	44.21	840	0.1064	0.9011	0.9503	0.9693	0.9794	0.9212	0.9635	0.8387
0.0221	45.26	860	0.1150	0.9004	0.9515	0.9690	0.9783	0.9247	0.9631	0.8377
0.0186	46.32	880	0.1228	0.8958	0.9518	0.9672	0.9754	0.9282	0.9610	0.8306
0.0119	47.37	900	0.1205	0.8980	0.9525	0.9680	0.9762	0.9288	0.9619	0.8340
0.0113	48.42	920	0.1133	0.8998	0.9502	0.9688	0.9787	0.9216	0.9629	0.8366
0.0121	49.47	940	0.1145	0.8993	0.9490	0.9688	0.9792	0.9188	0.9629	0.8358
0.0263	50.53	960	0.1168	0.8977	0.9542	0.9678	0.9750	0.9334	0.9616	0.8338
0.0093	51.58	980	0.1213	0.8940	0.9534	0.9664	0.9733	0.9334	0.9600	0.8280
0.0193	52.63	1000	0.1241	0.8971	0.9507	0.9678	0.9769	0.9246	0.9617	0.8326
0.0139	53.68	1020	0.1263	0.8962	0.9546	0.9672	0.9739	0.9353	0.9609	0.8316
0.012	54.74	1040	0.1252	0.8952	0.9504	0.9671	0.9760	0.9247	0.9609	0.8296
0.008	55.79	1060	0.1219	0.8986	0.9516	0.9683	0.9772	0.9260	0.9623	0.8349
0.0092	56.84	1080	0.1290	0.8995	0.9552	0.9684	0.9754	0.9349	0.9623	0.8366
0.015	57.89	1100	0.1243	0.8989	0.9545	0.9682	0.9755	0.9335	0.9621	0.8358
0.0126	58.95	1120	0.1214	0.8977	0.9541	0.9678	0.9751	0.9331	0.9616	0.8337
0.0212	60.0	1140	0.1298	0.8953	0.9542	0.9669	0.9736	0.9347	0.9605	0.8301
0.0192	61.05	1160	0.1341	0.8930	0.9518	0.9661	0.9737	0.9299	0.9597	0.8262
0.0136	62.11	1180	0.1327	0.8970	0.9528	0.9676	0.9754	0.9302	0.9614	0.8325
0.0131	63.16	1200	0.1233	0.8997	0.9549	0.9685	0.9757	0.9340	0.9624	0.8369
0.0135	64.21	1220	0.1301	0.8957	0.9542	0.9670	0.9738	0.9345	0.9607	0.8307
0.0228	65.26	1240	0.1274	0.8979	0.9524	0.9680	0.9762	0.9285	0.9618	0.8339
0.0138	66.32	1260	0.1336	0.8965	0.9520	0.9675	0.9757	0.9283	0.9613	0.8318
0.0127	67.37	1280	0.1278	0.8980	0.9519	0.9681	0.9767	0.9271	0.9620	0.8341
0.0107	68.42	1300	0.1293	0.8970	0.9530	0.9676	0.9753	0.9308	0.9614	0.8327
0.0278	69.47	1320	0.1413	0.8926	0.9534	0.9659	0.9725	0.9343	0.9593	0.8258
0.0159	70.53	1340	0.1360	0.8953	0.9522	0.9670	0.9748	0.9296	0.9607	0.8298
0.0105	71.58	1360	0.1319	0.8972	0.9537	0.9676	0.9750	0.9324	0.9614	0.8330
0.0168	72.63	1380	0.1343	0.8942	0.9533	0.9665	0.9735	0.9331	0.9601	0.8283
0.0156	73.68	1400	0.1357	0.8950	0.9516	0.9669	0.9751	0.9281	0.9606	0.8294
0.0109	74.74	1420	0.1446	0.8905	0.9524	0.9652	0.9719	0.9328	0.9585	0.8226
0.0168	75.79	1440	0.1339	0.8958	0.9533	0.9671	0.9745	0.9320	0.9608	0.8308
0.0252	76.84	1460	0.1355	0.8935	0.9532	0.9662	0.9731	0.9333	0.9597	0.8272
0.0109	77.89	1480	0.1388	0.8932	0.9533	0.9661	0.9729	0.9338	0.9596	0.8267
0.0109	78.95	1500	0.1404	0.8924	0.9519	0.9659	0.9734	0.9305	0.9594	0.8255
0.0112	80.0	1520	0.1424	0.8921	0.9535	0.9657	0.9722	0.9349	0.9591	0.8251
0.0094	81.05	1540	0.1451	0.8924	0.9524	0.9659	0.9730	0.9317	0.9593	0.8254
0.007	82.11	1560	0.1457	0.8931	0.9527	0.9661	0.9732	0.9322	0.9596	0.8266
0.0119	83.16	1580	0.1424	0.8927	0.9520	0.9661	0.9735	0.9306	0.9595	0.8259
0.0153	84.21	1600	0.1535	0.8909	0.9530	0.9653	0.9718	0.9342	0.9586	0.8233
0.0104	85.26	1620	0.1452	0.8921	0.9529	0.9658	0.9725	0.9333	0.9592	0.8251
0.0101	86.32	1640	0.1503	0.8910	0.9536	0.9653	0.9714	0.9358	0.9586	0.8235
0.009	87.37	1660	0.1508	0.8925	0.9532	0.9659	0.9725	0.9339	0.9593	0.8257
0.0073	88.42	1680	0.1419	0.8949	0.9528	0.9668	0.9742	0.9315	0.9604	0.8293
0.0137	89.47	1700	0.1437	0.8942	0.9526	0.9666	0.9739	0.9313	0.9601	0.8282
0.0061	90.53	1720	0.1474	0.8928	0.9523	0.9660	0.9733	0.9313	0.9595	0.8260
0.0132	91.58	1740	0.1408	0.8935	0.9522	0.9663	0.9738	0.9306	0.9598	0.8271
0.0089	92.63	1760	0.1468	0.8933	0.9527	0.9662	0.9734	0.9320	0.9597	0.8268
0.0141	93.68	1780	0.1458	0.8930	0.9529	0.9661	0.9731	0.9328	0.9596	0.8265
0.0132	94.74	1800	0.1442	0.8934	0.9528	0.9662	0.9733	0.9324	0.9597	0.8270
0.0109	95.79	1820	0.1445	0.8928	0.9529	0.9660	0.9730	0.9327	0.9595	0.8262
0.0248	96.84	1840	0.1391	0.8938	0.9529	0.9664	0.9736	0.9322	0.9599	0.8276
0.0074	97.89	1860	0.1424	0.8938	0.9531	0.9664	0.9735	0.9327	0.9599	0.8277
0.0072	98.95	1880	0.1465	0.8931	0.9534	0.9661	0.9728	0.9339	0.9596	0.8266
0.0183	100.0	1900	0.1497	0.8933	0.9531	0.9662	0.9732	0.9330	0.9597	0.8270