segformer-b1-solarModuleAnomaly-v0.1开源图像分割模型

首页

Segformer B1 Solarmoduleanomaly V0.1

由 zklee98 开发

基于nvidia/mit-b1在太阳能模块异常检测数据集上微调的图像分割模型

图像分割

Transformers

开源协议:其他 #光伏板异常检测 #图像分割模型 #工业视觉检测

下载量 18

发布时间 : 4/14/2023

模型简介

该模型是针对太阳能模块异常检测任务优化的SegFormer架构图像分割模型，能够识别太阳能模块中的异常区域。

模型特点

太阳能模块异常检测

专门针对太阳能模块异常检测任务进行优化

高效分割架构

基于SegFormer-b1架构，平衡性能和效率

模型能力

图像分割

异常区域检测

太阳能模块分析

使用案例

能源行业

太阳能电站巡检

自动检测太阳能板上的异常区域

在评估集上达到0.7643的异常检测准确率

🚀 segformer-b1-solarModuleAnomaly-v0.1

该模型是 nvidia/mit-b1 在 zklee98/solarModuleAnomaly 数据集上的微调版本。它在评估集上取得了以下结果：

损失：0.1547
平均交并比（Mean Iou）：0.3822
平均准确率：0.7643
总体准确率：0.7643
未标记准确率：nan
异常准确率：0.7643
未标记交并比：0.0
异常交并比：0.7643

📚 详细文档

训练过程

训练超参数

训练期间使用了以下超参数：

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
训练轮数：15

训练结果

训练损失	轮数	步数	验证损失	平均交并比	平均准确率	总体准确率	未标记准确率	异常准确率	异常交并比
0.4699	0.4	20	0.6337	0.4581	0.9162	0.9162	nan	0.9162	0.9162
0.3129	0.8	40	0.4636	0.3704	0.7407	0.7407	nan	0.7407	0.7407
0.2732	1.2	60	0.3164	0.3867	0.7734	0.7734	nan	0.7734	0.7734
0.2653	1.6	80	0.3769	0.4090	0.8180	0.8180	nan	0.8180	0.8180
0.2232	2.0	100	0.2976	0.2479	0.4958	0.4958	nan	0.4958	0.4958
0.5305	2.4	120	0.3151	0.3807	0.7613	0.7613	nan	0.7613	0.7613
0.2423	2.8	140	0.3189	0.4152	0.8305	0.8305	nan	0.8305	0.8305
0.3341	3.2	160	0.2384	0.3861	0.7723	0.7723	nan	0.7723	0.7723
0.2146	3.6	180	0.3200	0.4621	0.9243	0.9243	nan	0.9243	0.9243
0.1866	4.0	200	0.2510	0.3646	0.7291	0.7291	nan	0.7291	0.7291
0.2861	4.4	220	0.2736	0.4202	0.8404	0.8404	nan	0.8404	0.8404
0.2048	4.8	240	0.2410	0.3912	0.7823	0.7823	nan	0.7823	0.7823
0.1604	5.2	260	0.2233	0.3672	0.7344	0.7344	nan	0.7344	0.7344
0.2756	5.6	280	0.2705	0.4494	0.8987	0.8987	nan	0.8987	0.8987
0.1859	6.0	300	0.2211	0.4045	0.8089	0.8089	nan	0.8089	0.8089
0.1306	6.4	320	0.2140	0.3763	0.7525	0.7525	nan	0.7525	0.7525
0.5508	6.8	340	0.2231	0.4185	0.8371	0.8371	nan	0.8371	0.8371
0.1446	7.2	360	0.2139	0.3666	0.7332	0.7332	nan	0.7332	0.7332
0.3275	7.6	380	0.2470	0.3964	0.7928	0.7928	nan	0.7928	0.7928
0.164	8.0	400	0.2017	0.3910	0.7819	0.7819	nan	0.7819	0.7819
0.1864	8.4	420	0.2307	0.4408	0.8816	0.8816	nan	0.8816	0.8816
0.1578	8.8	440	0.1869	0.3707	0.7414	0.7414	nan	0.7414	0.7414
0.1201	9.2	460	0.2115	0.3834	0.7667	0.7667	nan	0.7667	0.7667
0.1783	9.6	480	0.2009	0.3747	0.7495	0.7495	nan	0.7495	0.7495
0.1232	10.0	500	0.1797	0.3865	0.7729	0.7729	nan	0.7729	0.7729
0.2572	10.4	520	0.1983	0.4057	0.8115	0.8115	nan	0.8115	0.8115
0.1209	10.8	540	0.1607	0.4274	0.8547	0.8547	nan	0.8547	0.8547
0.1234	11.2	560	0.2260	0.4066	0.8133	0.8133	nan	0.8133	0.8133
0.145	11.6	580	0.1963	0.3939	0.7878	0.7878	nan	0.7878	0.7878
0.0665	12.0	600	0.1912	0.3873	0.7747	0.7747	nan	0.7747	0.7747
0.0826	12.4	620	0.2095	0.4186	0.8373	0.8373	nan	0.8373	0.8373
0.1212	12.8	640	0.1732	0.4059	0.8118	0.8118	nan	0.8118	0.8118
0.142	13.2	660	0.2086	0.4007	0.8013	0.8013	nan	0.8013	0.8013
0.0899	13.6	680	0.1838	0.3928	0.7856	0.7856	nan	0.7856	0.7856
0.1857	14.0	700	0.1638	0.4157	0.8315	0.8315	nan	0.8315	0.8315
0.0788	14.4	720	0.1736	0.4112	0.8223	0.8223	nan	0.8223	0.8223
0.2543	14.8	740	0.1547	0.3822	0.7643	0.7643	nan	0.7643	0.7643