Характеристики

Лицензия: Своя лицензия
Архитектура: segformer · dense
Опубликована: 7 апр 2023

Ссылки

Hugging Face

segformer-finetuned-lane-10k-steps

Efferbach

Сегментация изображенийИзображение → mask3 профессии

Дообученная SegFormer для сегментации левой и правой полос движения на изображениях дороги.

32скачиваний за 30 дней0лайковвеса обновлены8 апр 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Efferbach/segformer-finetuned-lane-10k-steps — сегментационная модель на архитектуре SegFormer, дообученная на наборе Efferbach/lane_master на базе nvidia/segformer-b0-finetuned-cityscapes-512-1024. Она предназначена для семантической сегментации изображений дороги с выделением фона и левой и правой полос. В оценке на тестовой выборке указаны mean IoU 0,4899 и mean accuracy 0,7371; для классов Left и Right приведены IoU 0,7371 и 0,7325 соответственно.

Модель распространяется в формате PyTorch. Лицензия указана как other, поэтому конкретные условия использования следует сверить с материалами репозитория.

Сценарии применения

Выделение левой и правой полос на изображении дороги
Сегментация разметки полос для систем помощи водителю
Подготовка масок полос движения для анализа дорожных сцен

Ограничения

В README не описаны ограничения и условия оценки; на тестовой выборке указаны mean IoU 0,4899 и mean accuracy 0,7371. Лицензия обозначена как other, поэтому условия применения требуют проверки в репозитории.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

segformer-finetuned-lane-10k-steps

This model is a fine-tuned version of nvidia/segformer-b0-finetuned-cityscapes-512-1024 on the Efferbach/lane_master dataset. It achieves the following results on the evaluation set:

Loss: 0.0365
Mean Iou: 0.4899
Mean Accuracy: 0.7371
Overall Accuracy: 0.7371
Accuracy Background: nan
Accuracy Left: 0.7394
Accuracy Right: 0.7348
Iou Background: 0.0
Iou Left: 0.7371
Iou Right: 0.7325

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 6e-05
train_batch_size: 8
eval_batch_size: 8
seed: 1337
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: polynomial
training_steps: 10000

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Iou	Mean Accuracy	Overall Accuracy	Accuracy Background	Accuracy Left	Accuracy Right	Iou Left	Iou Right
0.0792	1.0	308	0.0714	0.0148	0.0229	0.0225	nan	0.0373	0.0085	0.0362	0.0083
0.0437	2.0	616	0.0502	0.1687	0.2775	0.2784	nan	0.2492	0.3058	0.2343	0.2718
0.0326	3.0	924	0.0445	0.2614	0.4441	0.4479	nan	0.3134	0.5748	0.3100	0.4742
0.0224	4.0	1232	0.0370	0.4048	0.6098	0.6100	nan	0.6043	0.6153	0.6031	0.6113
0.0184	5.0	1540	0.0346	0.3820	0.5858	0.5870	nan	0.5421	0.6295	0.5400	0.6060
0.0159	6.0	1848	0.0319	0.4367	0.6567	0.6573	nan	0.6343	0.6791	0.6341	0.6760
0.0139	7.0	2156	0.0317	0.4555	0.6855	0.6860	nan	0.6691	0.7019	0.6680	0.6986
0.0129	8.0	2464	0.0321	0.4348	0.6533	0.6535	nan	0.6479	0.6588	0.6474	0.6571
0.0122	9.0	2772	0.0275	0.4541	0.6827	0.6830	nan	0.6710	0.6943	0.6697	0.6927
0.0111	10.0	3080	0.0305	0.4609	0.6928	0.6927	nan	0.6969	0.6887	0.6963	0.6865
0.011	11.0	3388	0.0286	0.4646	0.6988	0.6991	nan	0.6890	0.7087	0.6883	0.7055
0.0103	12.0	3696	0.0298	0.4693	0.7058	0.7062	nan	0.6939	0.7177	0.6932	0.7148
0.0097	13.0	4004	0.0293	0.4717	0.7090	0.7087	nan	0.7184	0.6996	0.7176	0.6975
0.0093	14.0	4312	0.0330	0.4537	0.6835	0.6836	nan	0.6775	0.6894	0.6768	0.6843
0.009	15.0	4620	0.0331	0.4804	0.7226	0.7226	nan	0.7194	0.7257	0.7178	0.7234
0.0088	16.0	4928	0.0315	0.4890	0.7355	0.7357	nan	0.7275	0.7435	0.7259	0.7411
0.0086	17.0	5236	0.0338	0.4813	0.7234	0.7234	nan	0.7224	0.7243	0.7216	0.7223
0.0085	18.0	5544	0.0348	0.4743	0.7129	0.7126	nan	0.7225	0.7033	0.7217	0.7012
0.0083	19.0	5852	0.0357	0.4812	0.7245	0.7244	nan	0.7281	0.7210	0.7254	0.7183
0.0081	20.0	6160	0.0334	0.4829	0.7271	0.7269	nan	0.7337	0.7205	0.7305	0.7182
0.0079	21.0	6468	0.0359	0.4773	0.7177	0.7177	nan	0.7184	0.7170	0.7174	0.7146
0.0077	22.0	6776	0.0351	0.4874	0.7332	0.7329	nan	0.7440	0.7223	0.7432	0.7190
0.0075	23.0	7084	0.0344	0.4855	0.7296	0.7292	nan	0.7437	0.7156	0.7425	0.7141
0.0077	24.0	7392	0.0362	0.4799	0.7216	0.7216	nan	0.7236	0.7196	0.7223	0.7174
0.0071	25.0	7700	0.0391	0.4775	0.7179	0.7180	nan	0.7173	0.7186	0.7161	0.7163
0.0077	26.0	8008	0.0339	0.4895	0.7367	0.7366	nan	0.7405	0.7329	0.7388	0.7297
0.0069	27.0	8316	0.0344	0.4858	0.7305	0.7305	nan	0.7291	0.7318	0.7278	0.7297
0.0069	28.0	8624	0.0361	0.4844	0.7283	0.7282	nan	0.7324	0.7243	0.7309	0.7221
0.007	29.0	8932	0.0371	0.4837	0.7273	0.7270	nan	0.7360	0.7186	0.7345	0.7166
0.007	30.0	9240	0.0366	0.4854	0.7305	0.7303	nan	0.7379	0.7231	0.7353	0.7208
0.0067	31.0	9548	0.0367	0.4866	0.7322	0.7321	nan	0.7357	0.7286	0.7335	0.7263
0.0068	32.0	9856	0.0364	0.4883	0.7348	0.7347	nan	0.7377	0.7318	0.7355	0.7295
0.0067	32.47	10000	0.0365	0.4899	0.7371	0.7371	nan	0.7394	0.7348	0.7371	0.7325

Framework versions

Transformers 4.28.0.dev0
Pytorch 2.0.0+cu118
Datasets 2.11.0
Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры: SegformerForSemanticSegmentation
Ревизия весов: 1fe9b34