许可证: mit
基础模型: mattmdjaga/segformer_b2_clothes
标签:
- 训练生成
数据集:
- human_parsing_29_mix
模型索引:
- 名称: segformer-b2-human-parse-24
结果: []
管道标签: 图像分割
segformer-b2-human-parse-24
该模型是基于mattmdjaga/segformer_b2_clothes在human_parsing_29_mix数据集上微调的版本。
评估集结果如下:
- 损失: 0.0818
- 平均交并比: 0.6023
- 平均准确率: 0.6321
- 整体准确率: 0.9780
- 背景准确率: 0.9969
- 帽子准确率: nan
- 头发准确率: 0.9646
- 手套准确率: 0.0
- 眼镜准确率: 0.0
- 上装躯干区域准确率: 0.9747
- 连衣裙躯干区域准确率: 0.4939
- 外套躯干区域准确率: 0.0039
- 袜子准确率: 0.0
- 左裤腿准确率: 0.9604
- 右裤腿准确率: 0.9646
- 颈部周围皮肤准确率: 0.9585
- 围巾准确率: nan
- 裙子准确率: 0.8904
- 面部准确率: 0.9796
- 左臂准确率: 0.9703
- 右臂准确率: 0.9700
- 左腿准确率: 0.9267
- 右腿准确率: 0.9297
- 左鞋准确率: 0.0
- 右鞋准确率: 0.0
- 上装左袖准确率: 0.9462
- 上装右袖准确率: 0.9517
- 包袋准确率: 0.0234
模型描述
需补充更多信息
"id2label": {
"0": "背景",
"1": "帽子",
"2": "头发",
"3": "手套",
"4": "眼镜",
"5": "上装躯干区域",
"6": "连衣裙躯干区域",
"7": "外套躯干区域",
"8": "袜子",
"9": "左裤腿",
"10": "右裤腿",
"11": "颈部周围皮肤",
"12": "围巾",
"13": "裙子",
"14": "面部",
"15": "左臂",
"16": "右臂",
"17": "左腿",
"18": "右腿",
"19": "左鞋",
"20": "右鞋",
"21": "上装左袖",
"22": "上装右袖",
"23": "包袋"
}
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
训练中使用以下超参数:
- 学习率: 6e-05
- 训练批次大小: 16
- 评估批次大小: 12
- 随机种子: 42
- 优化器: Adam (beta1=0.9, beta2=0.999, epsilon=1e-08)
- 学习率调度器类型: 线性
- 训练轮次: 8
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 |
整体准确率 |
背景准确率 |
帽子准确率 |
头发准确率 |
手套准确率 |
眼镜准确率 |
上装躯干区域准确率 |
连衣裙躯干区域准确率 |
外套躯干区域准确率 |
袜子准确率 |
左裤腿准确率 |
右裤腿准确率 |
颈部皮肤准确率 |
围巾准确率 |
裙子准确率 |
面部准确率 |
左臂准确率 |
右臂准确率 |
左腿准确率 |
右腿准确率 |
左鞋准确率 |
右鞋准确率 |
上装左袖准确率 |
上装右袖准确率 |
包袋准确率 |
背景交并比 |
帽子交并比 |
头发交并比 |
手套交并比 |
眼镜交并比 |
上装躯干交并比 |
连衣裙躯干交并比 |
外套躯干交并比 |
袜子交并比 |
左裤腿交并比 |
右裤腿交并比 |
颈部皮肤交并比 |
围巾交并比 |
裙子交并比 |
面部交并比 |
左臂交并比 |
右臂交并比 |
左腿交并比 |
右腿交并比 |
左鞋交并比 |
右鞋交并比 |
上装左袖交并比 |
上装右袖交并比 |
包袋交并比 |
0.0652 |
1.62 |
1000 |
0.0802 |
0.5857 |
0.6166 |
0.9737 |
0.9963 |
nan |
0.9490 |
0.0 |
0.0 |
0.9801 |
0.4034 |
0.0 |
0.0 |
0.9487 |
0.9574 |
0.9272 |
nan |
0.8783 |
0.9782 |
0.9628 |
0.9534 |
0.8874 |
0.9012 |
0.0 |
0.0 |
0.9227 |
0.9197 |
0.0 |
0.9926 |
nan |
0.9117 |
0.0 |
0.0 |
0.9217 |
0.3541 |
0.0 |
0.0 |
0.9084 |
0.9073 |
0.8963 |
nan |
0.7766 |
0.9455 |
0.9210 |
0.9191 |
0.8405 |
0.8496 |
0.0 |
0.0 |
0.8673 |
0.8728 |
0.0 |
(后续表格数据因格式原因保留原始英文数值,实际使用时应按相同模式翻译)
框架版本
- Transformers 4.35.2
- Pytorch 2.1.1
- Datasets 2.15.0
- Tokenizers 0.15.0