Segformer B4 Crack Segmentation Dataset

由 varcoder 开发

基于SegFormer架构的裂缝分割模型，在裂缝分割数据集上微调，用于检测图像中的裂缝结构

图像分割

Transformers

英语

开源协议:其他 #裂缝检测 #高精度分割 #建筑结构分析

下载量 200

发布时间 : 7/12/2023

模型介绍

内容详情

替代品

模型简介

该模型是基于nvidia/mit-b0在裂缝分割数据集上微调的图像分割模型，专门用于识别和分割图像中的裂缝区域

模型特点

裂缝检测

专门针对裂缝分割任务优化，能够准确识别图像中的裂缝结构

轻量级架构

基于SegFormer-B4架构，在保持性能的同时具有较高的计算效率

微调优化

在特定裂缝数据集上微调，提高了对裂缝特征的识别能力

模型能力

图像分割

裂缝检测

结构缺陷识别

使用案例

基础设施检测

建筑物裂缝检测

用于检测建筑物墙面或地面的裂缝

在评估集上达到0.6691的裂缝准确率

道路裂缝检测

识别道路表面的裂缝缺陷

许可证: 其他标签:

训练生成模型索引:
名称: segformer-b4-crack-segmentation-dataset 结果: [] 数据集:
varcoder/crack-segmentation-dataset 语言:
英文库名称: transformers 管道标签: 图像分割

segformer-b4-crack-segmentation-dataset

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: 0.0594
平均交并比: 0.3346
平均准确率: 0.6691
总体准确率: 0.6691
背景准确率: 无
裂缝准确率: 0.6691
背景交并比: 0.0
裂缝交并比: 0.6691

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: 2
评估批次大小: 2
随机种子: 42
优化器: Adam，参数为betas=(0.9,0.999)，epsilon=1e-08
学习率调度器类型: 线性
训练轮数: 1

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	裂缝准确率	背景交并比	裂缝交并比
0.2287	0.02	100	0.2515	0.1734	0.3468	0.3468	无	0.3468	0.0	0.3468
0.1792	0.04	200	0.1594	0.1671	0.3342	0.3342	无	0.3342	0.0	0.3342
0.1177	0.06	300	0.1762	0.1044	0.2088	0.2088	无	0.2088	0.0	0.2088
0.0821	0.08	400	0.1706	0.2065	0.4130	0.4130	无	0.4130	0.0	0.4130
0.0666	0.1	500	0.1507	0.1931	0.3863	0.3863	无	0.3863	0.0	0.3863
0.0675	0.12	600	0.1374	0.3114	0.6227	0.6227	无	0.6227	0.0	0.6227
0.0267	0.15	700	0.1400	0.2171	0.4342	0.4342	无	0.4342	0.0	0.4342
0.0192	0.17	800	0.1067	0.1594	0.3187	0.3187	无	0.3187	0.0	0.3187
0.0711	0.19	900	0.1002	0.2915	0.5830	0.5830	无	0.5830	0.0	0.5830
0.0761	0.21	1000	0.0785	0.3099	0.6199	0.6199	无	0.6199	0.0	0.6199
0.0802	0.23	1100	0.0829	0.3086	0.6173	0.6173	无	0.6173	0.0	0.6173
0.1058	0.25	1200	0.0895	0.2139	0.4278	0.4278	无	0.4278	0.0	0.4278
0.0409	0.27	1300	0.0792	0.3237	0.6475	0.6475	无	0.6475	0.0	0.6475
0.063	0.29	1400	0.0739	0.3084	0.6168	0.6168	无	0.6168	0.0	0.6168
0.0669	0.31	1500	0.0747	0.3326	0.6653	0.6653	无	0.6653	0.0	0.6653
0.1277	0.33	1600	0.0735	0.3149	0.6297	0.6297	无	0.6297	0.0	0.6297
0.0388	0.35	1700	0.0708	0.2525	0.5050	0.5050	无	0.5050	0.0	0.5050
0.0332	0.37	1800	0.0726	0.2908	0.5816	0.5816	无	0.5816	0.0	0.5816
0.0435	0.4	1900	0.0673	0.2893	0.5786	0.5786	无	0.5786	0.0	0.5786
0.1297	0.42	2000	0.0698	0.3438	0.6877	0.6877	无	0.6877	0.0	0.6877
0.1202	0.44	2100	0.0745	0.2899	0.5798	0.5798	无	0.5798	0.0	0.5798
0.0549	0.46	2200	0.0657	0.3522	0.7044	0.7044	无	0.7044	0.0	0.7044
0.0223	0.48	2300	0.0808	0.2686	0.5372	0.5372	无	0.5372	0.0	0.5372
0.0464	0.5	2400	0.0631	0.3221	0.6442	0.6442	无	0.6442	0.0	0.6442
0.0364	0.52	2500	0.0778	0.3410	0.6820	0.6820	无	0.6820	0.0	0.6820
0.047	0.54	2600	0.0689	0.3489	0.6978	0.6978	无	0.6978	0.0	0.6978
0.0322	0.56	2700	0.0640	0.2863	0.5727	0.5727	无	0.5727	0.0	0.5727
0.0453	0.58	2800	0.0574	0.3340	0.6681	0.6681	无	0.6681	0.0	0.6681
0.0347	0.6	2900	0.0611	0.3289	0.6578	0.6578	无	0.6578	0.0	0.6578
0.0916	0.62	3000	0.0609	0.3357	0.6714	0.6714	无	0.6714	0.0	0.6714
0.0523	0.65	3100	0.0557	0.3318	0.6637	0.6637	无	0.6637	0.0	0.6637
0.1246	0.67	3200	0.0558	0.3294	0.6588	0.6588	无	0.6588	0.0	0.6588
0.0501	0.69	3300	0.0697	0.2955	0.5910	0.5910	无	0.5910	0.0	0.5910
0.0312	0.71	3400	0.0604	0.3414	0.6827	0.6827	无	0.6827	0.0	0.6827
0.0449	0.73	3500	0.0612	0.3305	0.6611	0.6611	无	0.6611	0.0	0.6611
0.0111	0.75	3600	0.0617	0.2930	0.5860	0.5860	无	0.5860	0.0	0.5860
0.0206	0.