Характеристики

Лицензия: Своя лицензия
Архитектура: segformer · dense
Базовая модель: segformer-b5-finetuned-ade-640-640
Опубликована: 6 мар 2024

Ссылки

segformer-b5-ade-finetuned-coastTrain

Сегментация изображенийИзображение → mask3 профессии

Дообученная SegFormer B5 сегментирует прибрежные изображения по классам воды, пены волн, осадка, рельефа, растительности и застройки.

15скачиваний за 30 дней0лайковвеса обновлены6 мар 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

Модель peldrak/segformer-b5-ade-finetuned-coastTrain — версия SegFormer B5, дообученная автором peldrak на наборе данных peldrak/coastTrain поверх nvidia/segformer-b5-finetuned-ade-640-640. Она предназначена для семантической сегментации прибрежных сцен: присваивает пиксели классам «вода», «белая пена волн», «осадок», «прочий природный рельеф», «растительность», «застройка» и «неизвестное».

На оценочном наборе указаны mean IoU 0,7737 и общая точность 0,9252; IoU для белой пены волн ниже, чем для воды и осадка. Модель распространяется в формате safetensors; лицензия в метаданных обозначена как other.

Сценарии применения

сегментация воды и береговой линии на снимках
выделение белой пены волн на прибрежных изображениях
картирование осадка и природного рельефа побережья
распознавание растительности и застройки на снимках побережья

Ограничения

На оценочном наборе качество для класса белой пены волн заметно ниже: IoU 0,5294. Результаты приведены только для указанного оценочного набора и не гарантируют качество на иных условиях съёмки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

segformer-b5-ade-finetuned-coastTrain

This model is a fine-tuned version of nvidia/segformer-b5-finetuned-ade-640-640 on the peldrak/coastTrain dataset. It achieves the following results on the evaluation set:

Loss: 0.3412
Mean Iou: 0.7737
Mean Accuracy: 0.8545
Overall Accuracy: 0.9252
Accuracy Water: 0.9680
Accuracy Whitewater: 0.6271
Accuracy Sediment: 0.8745
Accuracy Other Natural Terrain: 0.8030
Accuracy Vegetation: 0.9108
Accuracy Development: 0.8296
Accuracy Unknown: 0.9682
Iou Water: 0.9285
Iou Whitewater: 0.5294
Iou Sediment: 0.8047
Iou Other Natural Terrain: 0.6748
Iou Vegetation: 0.8430
Iou Development: 0.7686
Iou Unknown: 0.8673
F1 Score: 0.9245

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: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Iou	Mean Accuracy	Overall Accuracy	Accuracy Water	Accuracy Whitewater	Accuracy Sediment	Accuracy Other Natural Terrain	Accuracy Vegetation	Accuracy Development	Accuracy Unknown	Iou Water	Iou Whitewater	Iou Sediment	Iou Other Natural Terrain	Iou Vegetation	Iou Development	Iou Unknown	F1 Score
1.6133	0.16	20	1.4728	0.4356	0.5582	0.7600	0.8440	0.0000	0.5434	0.2624	0.8192	0.5884	0.8502	0.7387	0.0000	0.4669	0.1171	0.5786	0.4642	0.6833	0.7532
1.4431	0.31	40	1.0911	0.4768	0.5735	0.8206	0.9076	0.0	0.7765	0.0006	0.9006	0.6686	0.7608	0.8394	0.0	0.5832	0.0006	0.6596	0.4954	0.7597	0.8114
1.5275	0.47	60	0.7874	0.5222	0.5966	0.8585	0.9553	0.0	0.7752	0.0	0.9101	0.6629	0.8727	0.8565	0.0	0.6318	0.0	0.7222	0.5763	0.8688	0.8454
1.1583	0.62	80	0.7113	0.5128	0.6001	0.8440	0.8830	0.0	0.8460	0.0	0.9323	0.6588	0.8809	0.8283	0.0	0.5762	0.0	0.7216	0.5873	0.8762	0.8348
0.9739	0.78	100	0.6059	0.5450	0.6229	0.8733	0.9534	0.0	0.8246	0.0	0.8876	0.8146	0.8803	0.8703	0.0	0.6770	0.0	0.7506	0.6408	0.8760	0.8615
0.838	0.93	120	0.5250	0.5557	0.6273	0.8800	0.9679	0.0	0.8549	0.0	0.8665	0.8087	0.8934	0.8677	0.0	0.6840	0.0	0.7703	0.6847	0.8830	0.8674
0.5815	1.09	140	0.4973	0.5528	0.6247	0.8788	0.9630	0.0	0.7933	0.0	0.9010	0.8217	0.8939	0.8812	0.0	0.6938	0.0	0.7379	0.6730	0.8837	0.8663
0.5949	1.24	160	0.4460	0.5538	0.6314	0.8813	0.9621	0.0	0.8044	0.0	0.8840	0.8692	0.9000	0.8930	0.0	0.7062	0.0	0.7445	0.6487	0.8843	0.8695
1.089	1.4	180	0.4080	0.5666	0.6331	0.8889	0.9680	0.0	0.8240	0.0	0.9200	0.8256	0.8940	0.8902	0.0	0.7323	0.0	0.7603	0.6986	0.8846	0.8762
0.959	1.55	200	0.3853	0.5675	0.6403	0.8901	0.9611	0.0	0.8645	0.0	0.8983	0.8616	0.8964	0.8975	0.0	0.7192	0.0	0.7672	0.7035	0.8848	0.8780
0.577	1.71	220	0.3735	0.5683	0.6338	0.8902	0.9760	0.0	0.7882	0.0009	0.9125	0.8542	0.9047	0.8780	0.0	0.6862	0.0009	0.8013	0.7191	0.8927	0.8769
0.9331	1.86	240	0.3605	0.5705	0.6464	0.8943	0.9648	0.0	0.8650	0.0	0.8805	0.8960	0.9181	0.9010	0.0	0.7210	0.0	0.7994	0.6841	0.8879	0.8823
0.5132	2.02	260	0.3680	0.5826	0.6573	0.8884	0.9366	0.0	0.8773	0.1041	0.9113	0.8567	0.9152	0.8694	0.0	0.6984	0.1041	0.8038	0.7009	0.9013	0.8784
0.3977	2.17	280	0.3233	0.5814	0.6498	0.9018	0.9623	0.0	0.8900	0.0	0.9162	0.8487	0.9313	0.9052	0.0	0.7370	0.0	0.8210	0.7242	0.8824	0.8891
0.6267	2.33	300	0.3394	0.5998	0.6646	0.8980	0.9735	0.0	0.8603	0.1726	0.9086	0.8262	0.9110	0.8862	0.0	0.7533	0.1726	0.8293	0.7044	0.8531	0.8871
0.7394	2.48	320	0.3483	0.5776	0.6508	0.8996	0.9566	0.0	0.9175	0.0028	0.9041	0.8487	0.9261	0.9054	0.0	0.7360	0.0028	0.8317	0.7110	0.8563	0.8874
0.4013	2.64	340	0.3393	0.5746	0.6458	0.8987	0.9734	0.0	0.8959	0.0001	0.8831	0.8420	0.9264	0.9071	0.0	0.7357	0.0001	0.8252	0.7013	0.8525	0.8859
0.3434	2.79	360	0.3745	0.6263	0.6907	0.9002	0.9516	0.0003	0.8148	0.3544	0.9583	0.8127	0.9431	0.9068	0.0003	0.7490	0.3541	0.7943	0.7221	0.8576	0.8911
0.5902	2.95	380	0.3275	0.6068	0.6696	0.9005	0.9722	0.0	0.8696	0.1949	0.9158	0.8191	0.9156	0.8941	0.0	0.7545	0.1948	0.8224	0.7303	0.8512	0.8898
0.2954	3.1	400	0.3389	0.6191	0.6862	0.9008	0.9662	0.0020	0.8410	0.3092	0.9207	0.8331	0.9316	0.9074	0.0020	0.7641	0.3056	0.8117	0.7045	0.8386	0.8913
0.4758	3.26	420	0.3122	0.6064	0.6709	0.9030	0.9682	0.0	0.9069	0.1837	0.9142	0.7957	0.9279	0.9092	0.0	0.7655	0.1834	0.8172	0.7227	0.8466	0.8923
0.6415	3.41	440	0.3109	0.6555	0.7172	0.9101	0.9728	0.0017	0.9050	0.4656	0.8885	0.8320	0.9550	0.9063	0.0017	0.7957	0.4534	0.8265	0.7512	0.8539	0.9014
0.5413	3.57	460	0.2993	0.6420	0.7045	0.9057	0.9737	0.0036	0.8782	0.4118	0.8932	0.8221	0.9487	0.9047	0.0036	0.7774	0.4103	0.8169	0.7262	0.8553	0.8967
0.2761	3.72	480	0.2802	0.6678	0.7309	0.9144	0.9619	0.0191	0.9168	0.5126	0.9190	0.8330	0.9542	0.9143	0.0191	0.7850	0.4981	0.8452	0.7427	0.8699	0.9067
0.3451	3.88	500	0.3261	0.6455	0.7056	0.9075	0.9695	0.0220	0.8345	0.4049	0.9307	0.8256	0.9520	0.9085	0.0220	0.7754	0.3995	0.8173	0.7375	0.8583	0.8988
0.2361	4.03	520	0.3118	0.6677	0.7285	0.9098	0.9683	0.0204	0.8678	0.5447	0.9117	0.8323	0.9547	0.9089	0.0204	0.7750	0.5374	0.8235	0.7509	0.8580	0.9019
0.2776	4.19	540	0.2765	0.6472	0.7121	0.9109	0.9670	0.0359	0.9025	0.3801	0.9057	0.8431	0.9507	0.9182	0.0358	0.7698	0.3764	0.8356	0.7324	0.8619	0.9029
0.3823	4.34	560	0.3514	0.6558	0.7181	0.9111	0.9592	0.0525	0.9005	0.4047	0.9183	0.8321	0.9591	0.9127	0.0523	0.7740	0.4016	0.8309	0.7587	0.8599	0.9036
0.747	4.5	580	0.3340	0.6764	0.7382	0.9130	0.9680	0.0617	0.9125	0.5379	0.8957	0.8362	0.9556	0.9146	0.0614	0.7948	0.5336	0.8279	0.7439	0.8588	0.9061
0.343	4.65	600	0.3065	0.6853	0.7474	0.9139	0.9647	0.0666	0.8925	0.5978	0.9128	0.8429	0.9542	0.9171	0.0664	0.7909	0.5886	0.8287	0.7436	0.8621	0.9074
0.2358	4.81	620	0.3229	0.6916	0.7504	0.9144	0.9719	0.0880	0.8895	0.6099	0.8976	0.8312	0.9651	0.9108	0.0874	0.7855	0.6005	0.8332	0.7563	0.8674	0.9080
0.3649	4.96	640	0.3026	0.7034	0.7644	0.9151	0.9686	0.1640	0.8804	0.6447	0.9148	0.8220	0.9562	0.9129	0.1617	0.7918	0.6134	0.8333	0.7502	0.8606	0.9101
0.201	5.12	660	0.2903	0.7089	0.7678	0.9194	0.9663	0.1156	0.9208	0.6627	0.9029	0.8379	0.9684	0.9153	0.1148	0.8061	0.6444	0.8451	0.7716	0.8648	0.9138
1.1077	5.27	680	0.2596	0.7189	0.7752	0.9221	0.9746	0.2053	0.8895	0.6365	0.9112	0.8378	0.9713	0.9192	0.2016	0.8009	0.6199	0.8479	0.7545	0.8883	0.9176
0.2368	5.43	700	0.2479	0.7271	0.7986	0.9213	0.9727	0.3222	0.8877	0.7104	0.9135	0.8259	0.9580	0.9184	0.3114	0.8003	0.5698	0.8370	0.7636	0.8894	0.9184
0.2576	5.58	720	0.3153	0.7171	0.7772	0.9173	0.9772	0.1874	0.8721	0.7060	0.9007	0.8399	0.9570	0.9152	0.1839	0.7926	0.6778	0.8408	0.7455	0.8637	0.9127
0.3873	5.74	740	0.3024	0.7395	0.7985	0.9212	0.9687	0.3518	0.9369	0.6845	0.9092	0.7793	0.9589	0.9208	0.3370	0.8203	0.6516	0.8367	0.7479	0.8622	0.9184
0.2281	5.89	760	0.2583	0.7502	0.8104	0.9227	0.9699	0.4031	0.9094	0.7032	0.9107	0.8210	0.9553	0.9229	0.3810	0.8150	0.6723	0.8431	0.7563	0.8606	0.9205
0.2202	6.05	780	0.3227	0.7612	0.8314	0.9205	0.9525	0.5297	0.9437	0.7038	0.8889	0.8332	0.9677	0.9253	0.4917	0.7900	0.6693	0.8338	0.7585	0.8599	0.9197
0.292	6.2	800	0.2558	0.7614	0.8266	0.9283	0.9710	0.4248	0.8964	0.7571	0.9185	0.8553	0.9629	0.9220	0.4076	0.8202	0.6464	0.8473	0.7915	0.8946	0.9264
0.1304	6.36	820	0.2441	0.7386	0.8067	0.9244	0.9764	0.3536	0.9007	0.6908	0.9019	0.8823	0.9412	0.9109	0.3357	0.8088	0.5524	0.8277	0.8106	0.9244	0.9221
0.1664	6.51	840	0.2565	0.7685	0.8302	0.9282	0.9728	0.4257	0.8564	0.7880	0.9277	0.8793	0.9614	0.9244	0.3944	0.8006	0.7192	0.8439	0.7941	0.9032	0.9263
0.4424	6.67	860	0.2667	0.7808	0.8611	0.9332	0.9680	0.5948	0.9061	0.7883	0.9039	0.8938	0.9727	0.9362	0.5495	0.8165	0.6008	0.8453	0.8086	0.9083	0.9326
0.3753	6.82	880	0.2585	0.7353	0.8117	0.9236	0.9765	0.4103	0.8985	0.7286	0.9126	0.7922	0.9633	0.9221	0.3532	0.8025	0.5636	0.8374	0.7631	0.9054	0.9215
0.2642	6.98	900	0.2955	0.7734	0.8443	0.9247	0.9586	0.5628	0.9093	0.7641	0.9085	0.8357	0.9708	0.9240	0.5068	0.8133	0.6949	0.8429	0.7634	0.8685	0.9238
0.5008	7.13	920	0.3048	0.7703	0.8430	0.9262	0.9712	0.5688	0.8871	0.7660	0.9077	0.8329	0.9676	0.9260	0.5015	0.8170	0.6626	0.8502	0.7697	0.8651	0.9251
0.169	7.29	940	0.2969	0.7778	0.8528	0.9252	0.9644	0.6690	0.9288	0.7274	0.8966	0.8274	0.9559	0.9263	0.5909	0.8081	0.6410	0.8444	0.7733	0.8608	0.9246
0.2429	7.44	960	0.3385	0.7906	0.8551	0.9283	0.9626	0.6420	0.9047	0.7576	0.9131	0.8281	0.9776	0.9322	0.5836	0.8160	0.7156	0.8415	0.7752	0.8701	0.9276
0.1542	7.6	980	0.3259	0.7882	0.8574	0.9264	0.9646	0.6734	0.9031	0.7509	0.9007	0.8403	0.9686	0.9298	0.5949	0.8138	0.7056	0.8366	0.7707	0.8663	0.9258
0.1378	7.75	1000	0.3257	0.7815	0.8589	0.9249	0.9675	0.6849	0.8784	0.7864	0.9151	0.8219	0.9580	0.9265	0.5842	0.8076	0.6769	0.8375	0.7767	0.8610	0.9242
0.2144	7.91	1020	0.3347	0.7889	0.8561	0.9276	0.9578	0.6604	0.9128	0.7455	0.9176	0.8261	0.9729	0.9317	0.5932	0.8189	0.7046	0.8416	0.7636	0.8688	0.9270
0.1011	8.06	1040	0.3099	0.7831	0.8546	0.9267	0.9655	0.6394	0.8900	0.7685	0.9091	0.8402	0.9695	0.9289	0.5594	0.8137	0.6999	0.8434	0.7682	0.8685	0.9260
0.1543	8.22	1060	0.3291	0.7921	0.8667	0.9294	0.9667	0.7434	0.9074	0.7434	0.9025	0.8251	0.9781	0.9357	0.6127	0.8145	0.6936	0.8460	0.7703	0.8720	0.9289
0.2624	8.37	1080	0.3284	0.7884	0.8593	0.9247	0.9644	0.6802	0.8663	0.7915	0.9233	0.8317	0.9580	0.9297	0.5924	0.8031	0.7343	0.8332	0.7633	0.8631	0.9241
0.1817	8.53	1100	0.3187	0.7848	0.8557	0.9255	0.9705	0.6361	0.9041	0.7843	0.8918	0.8460	0.9573	0.9265	0.5584	0.8179	0.7210	0.8371	0.7698	0.8626	0.9248
0.1702	8.68	1120	0.3412	0.7737	0.8545	0.9252	0.9680	0.6271	0.8745	0.8030	0.9108	0.8296	0.9682	0.9285	0.5294	0.8047	0.6748	0.8430	0.7686	0.8673	0.9245

Framework versions

Transformers 4.37.0
Pytorch 2.1.2
Datasets 2.18.0
Tokenizers 0.15.1

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: 07ab89d