许可证: 其他 标签:

• 训练生成
• 图像分割 模型索引:
• 名称: segformer-b0-finetuned-segments-sidewalk 结果: [] 数据集:
• segments/sidewalk-semantic 库名称: transformers 管道标签: image-segmentation

segformer-b0-finetuned-segments-sidewalk

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: 0.5449
• 平均交并比: 0.3292
• 平均准确率: 0.3907
• 总体准确率: 0.8555
• 未标记准确率: nan
• 平坦道路准确率: 0.8585
• 平坦人行道准确率: 0.9611
• 平坦人行横道准确率: 0.7673
• 平坦自行车道准确率: 0.8223
• 平坦停车道准确率: 0.5127
• 平坦铁轨准确率: nan
• 平坦路缘准确率: 0.4937
• 人类行人准确率: 0.7164
• 人类骑行者准确率: 0.0
• 车辆汽车准确率: 0.9332
• 车辆卡车准确率: 0.0
• 车辆巴士准确率: nan
• 车辆有轨电车准确率: nan
• 车辆摩托车准确率: 0.0
• 车辆自行车准确率: 0.3858
• 车辆房车准确率: 0.0
• 车辆拖车准确率: 0.0
• 建筑建筑物准确率: 0.9040
• 建筑门准确率: 0.0
• 建筑墙准确率: 0.5848
• 建筑围栏护栏准确率: 0.4417
• 建筑桥梁准确率: 0.0
• 建筑隧道准确率: nan
• 建筑楼梯准确率: 0.0
• 物体电线杆准确率: 0.3156
• 物体交通标志准确率: 0.0
• 物体交通灯准确率: 0.0
• 自然植被准确率: 0.9413
• 自然地形成准确率: 0.8456
• 天空准确率: 0.9600
• 无效地面准确率: 0.0
• 无效动态准确率: 0.0
• 无效静态准确率: 0.2780
• 无效不清晰准确率: 0.0
• 未标记交并比: nan
• 平坦道路交并比: 0.7447
• 平坦人行道交并比: 0.8755
• 平坦人行横道交并比: 0.6244
• 平坦自行车道交并比: 0.7325
• 平坦停车道交并比: 0.3997
• 平坦铁轨交并比: nan
• 平坦路缘交并比: 0.3974
• 人类行人交并比: 0.4985
• 人类骑行者交并比: 0.0
• 车辆汽车交并比: 0.7798
• 车辆卡车交并比: 0.0
• 车辆巴士交并比: nan
• 车辆有轨电车交并比: nan
• 车辆摩托车交并比: 0.0
• 车辆自行车交并比: 0.2904
• 车辆房车交并比: 0.0
• 车辆拖车交并比: 0.0
• 建筑建筑物交并比: 0.7233
• 建筑门交并比: 0.0
• 建筑墙交并比: 0.4555
• 建筑围栏护栏交并比: 0.3734
• 建筑桥梁交并比: 0.0
• 建筑隧道交并比: nan
• 建筑楼梯交并比: 0.0
• 物体电线杆交并比: 0.2484
• 物体交通标志交并比: 0.0
• 物体交通灯交并比: 0.0
• 自然植被交并比: 0.8451
• 自然地形成交并比: 0.7346
• 天空交并比: 0.9161
• 无效地面交并比: 0.0
• 无效动态交并比: 0.0
• 无效静态交并比: 0.2359
• 无效不清晰交并比: 0.0

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: 8
• 评估批次大小: 8
• 随机种子: 42
• 优化器: Adam，参数beta=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型: 线性
• 训练轮数: 20

训练结果

(此处省略训练结果表格，内容与原文相同)

框架版本

• Transformers 4.30.2
• Pytorch 2.0.1+cu118
• Datasets 2.13.1
• Tokenizers 0.13.3