Segformer B0 Finetuned Morphpadver1 Hgo Coord V3 1

由 NICOPOI-9 开发

基于nvidia/mit-b3微调的图像分割模型，在NICOPOI-9/morphpad_coord_hgo_512_4class_v2数据集上表现优异

图像分割

Transformers

开源协议:其他 #高精度图像分割 #医学图像处理 #99.8%交并比

下载量 18

发布时间 : 4/26/2025

模型介绍

内容详情

替代品

模型简介

该模型是基于SegFormer架构的语义分割模型，专门针对特定图像分割任务进行了微调，在评估集上达到了99.81%的平均交并比和99.90%的准确率。

模型特点

高精度分割

在评估集上达到99.81%的平均交并比和99.90%的准确率

高效训练

使用AdamW优化器和线性学习率调度器，在60轮训练中快速收敛

多角度适应

模型在0-0、0-90、90-0和90-90四种不同角度配置下均表现优异

模型能力

图像语义分割

高精度像素级分类

多角度图像分析

使用案例

医学图像分析

组织分割

可用于医学图像中的特定组织区域分割

高精度分割结果

工业检测

缺陷检测

可用于工业产品表面的缺陷检测和定位

库名称：transformers 许可证：其他基础模型：nvidia/mit-b3 标签：

视觉
图像分割
训练生成模型索引：
名称：segformer-b0-finetuned-morphpadver1-hgo-coord-v3_1 结果：[]

segformer-b0-finetuned-morphpadver1-hgo-coord-v3_1

该模型是基于nvidia/mit-b3在NICOPOI-9/morphpad_coord_hgo_512_4class_v2数据集上微调的版本。其在评估集上的表现如下：

损失：0.0117
平均交并比：0.9981
平均准确率：0.9990
总体准确率：0.9990
0-0准确率：0.9995
0-90准确率：0.9985
90-0准确率：0.9988
90-90准确率：0.9993
0-0交并比：0.9991
0-90交并比：0.9979
90-0交并比：0.9976
90-90交并比：0.9978

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

训练过程中使用的超参数如下：

学习率：6e-05
训练批次大小：1
评估批次大小：1
随机种子：42
优化器：使用OptimizerNames.ADAMW_TORCH，beta=(0.9,0.999)，epsilon=1e-08，无额外优化器参数
学习率调度器类型：线性
训练轮数：60

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	0-0准确率	0-90准确率	90-0准确率	90-90准确率	0-0交并比	0-90交并比	90-0交并比	90-90交并比
0.903	2.6525	4000	0.8952	0.3916	0.5570	0.5567	0.5335	0.6125	0.4890	0.5929	0.4534	0.3418	0.3411	0.4299
0.6373	5.3050	8000	0.5078	0.6237	0.7643	0.7643	0.7676	0.8339	0.6741	0.7817	0.6758	0.5472	0.6022	0.6698
0.2851	7.9576	12000	0.2955	0.7612	0.8642	0.8642	0.8669	0.8687	0.8339	0.8874	0.7959	0.7358	0.7500	0.7631
0.2309	10.6101	16000	0.1305	0.9184	0.9574	0.9574	0.9575	0.9381	0.9648	0.9692	0.9333	0.9074	0.8991	0.9337
0.0907	13.2626	20000	0.1249	0.9267	0.9620	0.9620	0.9636	0.9541	0.9594	0.9708	0.9379	0.9205	0.9169	0.9316
0.3051	15.9151	24000	0.0529	0.9675	0.9835	0.9835	0.9842	0.9805	0.9839	0.9854	0.9712	0.9636	0.9626	0.9728
0.0659	18.5676	28000	0.0630	0.9670	0.9832	0.9833	0.9852	0.9747	0.9885	0.9846	0.9719	0.9642	0.9633	0.9687
0.0474	21.2202	32000	0.0454	0.9768	0.9882	0.9883	0.9910	0.9856	0.9865	0.9899	0.9783	0.9737	0.9747	0.9805
0.0449	23.8727	36000	0.0468	0.9795	0.9896	0.9896	0.9900	0.9812	0.9900	0.9973	0.9828	0.9743	0.9783	0.9824
0.0552	26.5252	40000	0.0266	0.9884	0.9942	0.9942	0.9949	0.9917	0.9947	0.9953	0.9888	0.9865	0.9866	0.9916
0.0541	29.1777	44000	0.0290	0.9908	0.9954	0.9954	0.9951	0.9951	0.9967	0.9946	0.9921	0.9897	0.9905	0.9909
0.0082	31.8302	48000	0.0421	0.9891	0.9945	0.9945	0.9940	0.9924	0.9951	0.9966	0.9908	0.9869	0.9884	0.9904
0.0061	34.4828	52000	0.0345	0.9923	0.9961	0.9961	0.9971	0.9941	0.9966	0.9966	0.9939	0.9912	0.9916	0.9922
0.0053	37.1353	56000	0.0256	0.9941	0.9970	0.9970	0.9976	0.9972	0.9966	0.9968	0.9957	0.9928	0.9929	0.9949
0.0045	39.7878	60000	0.0256	0.9937	0.9968	0.9968	0.9978	0.9959	0.9959	0.9978	0.9937	0.9927	0.9926	0.9957
0.0046	42.4403	64000	0.0171	0.9964	0.9982	0.9982	0.9983	0.9976	0.9987	0.9981	0.9972	0.9958	0.9955	0.9969
0.0032	45.0928	68000	0.0293	0.9957	0.9979	0.9979	0.9983	0.9969	0.9975	0.9988	0.9966	0.9950	0.9950	0.9964
0.003	47.7454	72000	0.0251	0.9964	0.9982	0.9982	0.9984	0.9973	0.9984	0.9987	0.9973	0.9952	0.9965	0.9966
0.0035	50.3979	76000	0.0245	0.9973	0.9986	0.9986	0.9993	0.9982	0.9983	0.9987	0.9982	0.9969	0.9963	0.9977
0.0025	53.0504	80000	0.0222	0.9972	0.9986	0.9986	0.9990	0.9980	0.9987	0.9986	0.9985	0.9965	0.9970	0.9968
0.0023	55.7029	84000	0.0104	0.9982	0.9991	0.9991	0.9994	0.9989	0.9987	0.9993	0.9988	0.9980	0.9975	0.9983
0.0022	58.3554	88000	0.0117	0.9981	0.9990	0.9990	0.9995	0.9985	0.9988	0.9993	0.9991	0.9979	0.9976	0.9978