segformer-finetuned-segments-plantleafdisease-may-13

This model is a fine-tuned version of nancyalarabawy/segformer-finetuned-segments-plantleafdisease-mar-21 on the nancyalarabawy/PlantDiseaseAug1 dataset. It achieves the following results on the evaluation set:

• Loss: 0.0198
• Mean Iou: 0.8146
• Mean Accuracy: 0.8729
• Overall Accuracy: 0.9922
• Accuracy Unlabeled: nan
• Accuracy Healthy: 0.9853
• Accuracy Blast: nan
• Accuracy Background: 0.9982
• Accuracy Alstonia herpes: nan
• Accuracy Mango anthracnose: 0.8236
• Accuracy Pomengrate spots: 0.7701
• Accuracy Blight spots: nan
• Accuracy Chlorisis: nan
• Accuracy Leaf spots: nan
• Accuracy Apple scab: 0.7872
• Accuracy Black rot: nan
• Accuracy Cedar rust: nan
• Iou Unlabeled: nan
• Iou Healthy: 0.9691
• Iou Blast: nan
• Iou Background: 0.9961
• Iou Alstonia herpes: nan
• Iou Mango anthracnose: 0.7059
• Iou Pomengrate spots: 0.7195
• Iou Blight spots: nan
• Iou Chlorisis: nan
• Iou Leaf spots: nan
• Iou Apple scab: 0.6825
• Iou Black rot: nan
• Iou Cedar rust: nan

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: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 30

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Iou	Mean Accuracy	Overall Accuracy	Accuracy Unlabeled	Accuracy Healthy	Accuracy Blast	Accuracy Background	Accuracy Alstonia herpes	Accuracy Mango anthracnose	Accuracy Pomengrate spots	Accuracy Blight spots	Accuracy Chlorisis	Accuracy Leaf spots	Accuracy Apple scab	Accuracy Black rot	Accuracy Cedar rust	Iou Unlabeled	Iou Healthy	Iou Blast	Iou Background	Iou Alstonia herpes	Iou Mango anthracnose	Iou Pomengrate spots	Iou Blight spots	Iou Chlorisis	Iou Leaf spots	Iou Apple scab	Iou Black rot	Iou Cedar rust
0.8546	2.0	20	0.0228	0.7815	0.8838	0.9907	nan	0.9788	nan	0.9972	nan	0.8576	0.7253	nan	nan	nan	0.8600	nan	nan	nan	0.9633	nan	0.9955	nan	0.6553	0.6297	nan	nan	nan	0.6636	nan	nan
0.0117	4.0	40	0.0225	0.7920	0.8942	0.9913	nan	0.9816	nan	0.9978	nan	0.8647	0.8193	nan	nan	nan	0.8075	nan	nan	nan	0.9656	nan	0.9958	nan	0.6606	0.6720	nan	nan	nan	0.6660	nan	nan
0.0354	6.0	60	0.0220	0.7867	0.8390	0.9915	nan	0.9844	nan	0.9977	nan	0.7514	0.6654	nan	nan	nan	0.7960	nan	nan	nan	0.9665	nan	0.9959	nan	0.6757	0.6338	nan	nan	nan	0.6618	nan	nan
0.0339	8.0	80	0.0227	0.7843	0.8888	0.9908	nan	0.9759	nan	0.9983	nan	0.8599	0.7532	nan	nan	nan	0.8565	nan	nan	nan	0.9636	nan	0.9960	nan	0.6729	0.6416	nan	nan	nan	0.6472	nan	nan
0.0143	10.0	100	0.0214	0.7971	0.8609	0.9918	nan	0.9853	nan	0.9981	nan	0.8425	0.7220	nan	nan	nan	0.7568	nan	nan	nan	0.9675	nan	0.9959	nan	0.6839	0.6746	nan	nan	nan	0.6635	nan	nan
0.0193	12.0	120	0.0213	0.8127	0.8858	0.9917	nan	0.9824	nan	0.9980	nan	0.8435	0.7855	nan	nan	nan	0.8197	nan	nan	nan	0.9672	nan	0.9958	nan	0.7001	0.7229	nan	nan	nan	0.6775	nan	nan
0.4003	14.0	140	0.0210	0.8040	0.8707	0.9919	nan	0.9830	nan	0.9985	nan	0.8521	0.7303	nan	nan	nan	0.7898	nan	nan	nan	0.9678	nan	0.9958	nan	0.6897	0.6891	nan	nan	nan	0.6778	nan	nan
0.0186	16.0	160	0.0204	0.8069	0.8610	0.9921	nan	0.9865	nan	0.9977	nan	0.7996	0.7324	nan	nan	nan	0.7889	nan	nan	nan	0.9686	nan	0.9959	nan	0.7005	0.6879	nan	nan	nan	0.6814	nan	nan
0.0528	18.0	180	0.0203	0.8141	0.8911	0.9921	nan	0.9846	nan	0.9984	nan	0.8349	0.8615	nan	nan	nan	0.7760	nan	nan	nan	0.9688	nan	0.9960	nan	0.7006	0.7265	nan	nan	nan	0.6786	nan	nan
0.0158	20.0	200	0.0200	0.8159	0.8860	0.9921	nan	0.9837	nan	0.9982	nan	0.8421	0.7953	nan	nan	nan	0.8105	nan	nan	nan	0.9687	nan	0.9961	nan	0.6965	0.7335	nan	nan	nan	0.6847	nan	nan
0.0221	22.0	220	0.0201	0.8084	0.8677	0.9920	nan	0.9848	nan	0.9981	nan	0.8287	0.7357	nan	nan	nan	0.7913	nan	nan	nan	0.9685	nan	0.9959	nan	0.6999	0.6957	nan	nan	nan	0.6819	nan	nan
0.2549	24.0	240	0.0198	0.8074	0.8619	0.9921	nan	0.9858	nan	0.9983	nan	0.8290	0.7303	nan	nan	nan	0.7663	nan	nan	nan	0.9688	nan	0.9960	nan	0.7047	0.6929	nan	nan	nan	0.6747	nan	nan
0.0276	26.0	260	0.0200	0.8128	0.8723	0.9921	nan	0.9844	nan	0.9985	nan	0.8355	0.7588	nan	nan	nan	0.7845	nan	nan	nan	0.9688	nan	0.9960	nan	0.7067	0.7104	nan	nan	nan	0.6820	nan	nan
0.0267	28.0	280	0.0198	0.8129	0.8686	0.9922	nan	0.9856	nan	0.9982	nan	0.8178	0.7603	nan	nan	nan	0.7811	nan	nan	nan	0.9691	nan	0.9961	nan	0.7051	0.7129	nan	nan	nan	0.6814	nan	nan
0.0183	30.0	300	0.0198	0.8146	0.8729	0.9922	nan	0.9853	nan	0.9982	nan	0.8236	0.7701	nan	nan	nan	0.7872	nan	nan	nan	0.9691	nan	0.9961	nan	0.7059	0.7195	nan	nan	nan	0.6825	nan	nan

Framework versions

• Transformers 4.40.2
• Pytorch 2.2.1+cu121
• Datasets 2.19.1
• Tokenizers 0.19.1