Характеристики

Лицензия: Своя лицензия
Архитектура: segformer · dense
Базовая модель: segformer-b1-finetuned-ade-512-512
Опубликована: 18 июл 2024

Ссылки

segformer-b1-finetuned-segments-pv

Сегментация изображенийИзображение → mask

Дообученная SegFormer-B1 для семантической сегментации объектов на спутниковых изображениях, связанной с фотоэлектрическими системами.

8скачиваний за 30 дней0лайковвеса обновлены18 июл 2024

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

mouadenna/segformer-b1-finetuned-segments-pv — модель семантической сегментации изображений, дообученная на наборе mouadenna/satellite_PV_dataset_train_test на основе nvidia/segformer-b1-finetuned-ade-512-512. Она предназначена для выделения областей на спутниковых изображениях; название набора данных указывает на применение к сегментации фотоэлектрических (PV) объектов. Модель построена на архитектуре SegFormer-B1 и опубликована в формате safetensors.

В README указаны результаты на оценочной выборке: Mean IoU 0,8631 и precision 0,9304. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования по этим сведениям определить нельзя.

Сценарии применения

сегментация фотоэлектрических объектов на спутниковых снимках
выделение областей PV-инфраструктуры на изображениях
подготовка масок сегментации для анализа спутниковых данных

Ограничения

README не раскрывает набор классов и подробные условия оценки, поэтому область применимости метрик ограничена указанной оценочной выборкой. Метаданные обозначают лицензию как other, без конкретных условий использования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

segformer-b1-finetuned-segments-pv

This model is a fine-tuned version of nvidia/segformer-b1-finetuned-ade-512-512 on the mouadenna/satellite_PV_dataset_train_test dataset. It achieves the following results on the evaluation set:

Loss: 0.0192
Mean Iou: 0.8631
Precision: 0.9304

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: 1
eval_batch_size: 1
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 50

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Iou	Precision
0.0051	1.0	3666	0.0084	0.8064	0.8864
0.0038	2.0	7332	0.0115	0.7607	0.9338
0.0001	3.0	10998	0.0089	0.8145	0.9115
0.0	4.0	14664	0.0078	0.8317	0.9063
0.0	5.0	18330	0.0093	0.8078	0.9244
0.0017	6.0	21996	0.0080	0.8370	0.9203
0.0019	7.0	25662	0.0085	0.8395	0.9163
0.0001	8.0	29328	0.0099	0.8379	0.8931
0.0019	9.0	32994	0.0100	0.8388	0.9225
0.0048	10.0	36660	0.0103	0.8422	0.9035
0.0238	11.0	40326	0.0132	0.8378	0.9169
0.0	12.0	43992	0.0093	0.8509	0.9254
0.0017	13.0	47658	0.0116	0.8417	0.9243
0.0014	14.0	51324	0.0127	0.8348	0.9017
0.0031	15.0	54990	0.0123	0.8463	0.9299
0.0016	16.0	58656	0.0109	0.8439	0.9062
0.0091	17.0	62322	0.0199	0.8143	0.9344
0.0017	18.0	65988	0.0155	0.8326	0.9184
0.0	19.0	69654	0.0128	0.8351	0.8971
0.0013	20.0	73320	0.0135	0.8360	0.8970
0.0015	21.0	76986	0.0151	0.8466	0.9055
0.0011	22.0	80652	0.0136	0.8525	0.9117
0.0016	23.0	84318	0.0129	0.8478	0.9052
0.0007	24.0	87984	0.0189	0.8422	0.9422
0.0012	25.0	91650	0.0134	0.8435	0.9070
0.0012	26.0	95316	0.0152	0.8532	0.9243
0.0028	27.0	98982	0.0145	0.8521	0.9273
0.0023	28.0	102648	0.0156	0.8566	0.9288
0.0	29.0	106314	0.0176	0.8494	0.9222
0.0	30.0	109980	0.0156	0.8542	0.9282
0.0	31.0	113646	0.0158	0.8578	0.9273
0.0012	32.0	117312	0.0171	0.8560	0.9258
0.0005	33.0	120978	0.0146	0.8534	0.9149
0.0016	34.0	124644	0.0199	0.8519	0.9250
0.0015	35.0	128310	0.0164	0.8559	0.9181
0.0005	36.0	131976	0.0164	0.8551	0.9176
0.0014	37.0	135642	0.0172	0.8594	0.9263
0.0008	38.0	139308	0.0178	0.8601	0.9273
0.0	39.0	142974	0.0153	0.8601	0.9281
0.0	40.0	146640	0.0165	0.8632	0.9324
0.0	41.0	150306	0.0172	0.8624	0.9328
0.0002	42.0	153972	0.0201	0.8590	0.9303
0.0033	43.0	157638	0.0180	0.8611	0.9347
0.0	44.0	161304	0.0155	0.8620	0.9283
0.0011	45.0	164970	0.0174	0.8624	0.9277
0.0004	46.0	168636	0.0192	0.8612	0.9316
0.0	47.0	172302	0.0185	0.8612	0.9232
0.0007	48.0	175968	0.0173	0.8623	0.9247
0.0007	49.0	179634	0.0196	0.8628	0.9295
0.0003	50.0	183300	0.0192	0.8631	0.9304

Framework versions

Transformers 4.42.3
Pytorch 2.1.2
Datasets 2.20.0
Tokenizers 0.19.1

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: 2c857bd