Hugging Face's logo

sam1120
/
safety-userstudy-terrain

Image Segmentation
Transformers
PyTorch
TensorBoard
segformer
vision
Generated from Trainer
Inference Endpoints
Model card Files Metrics Community
safety-userstudy-terrain / README.md
sam1120's picture
sam1120
update model card README.md
49bedda
preview code
|
raw
history blame
23.1 kB
metadata
license: other
tags:
  - generated_from_trainer
model-index:
  - name: safety-userstudy-terrain
    results: []

safety-userstudy-terrain

This model is a fine-tuned version of nvidia/mit-b5 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1525
  • Mean Iou: 0.7497
  • Mean Accuracy: 0.8290
  • Overall Accuracy: 0.9598
  • Accuracy Unlabeled: nan
  • Accuracy Nat: 0.9775
  • Accuracy Concrete-speedway-side: 0.7907
  • Accuracy Concrete-road-adj: nan
  • Accuracy Grass: 0.5869
  • Accuracy Speedway-bricks: 0.9939
  • Accuracy Steel: 0.9191
  • Accuracy Steel-sidewalk: nan
  • Accuracy Dark-bricks: nan
  • Accuracy Road: nan
  • Accuracy Rough-red-sidewalk: 0.7060
  • Accuracy Tiles-marble: nan
  • Accuracy Red-bricks: nan
  • Accuracy Rest: nan
  • Iou Unlabeled: nan
  • Iou Nat: 0.9588
  • Iou Concrete-speedway-side: 0.7359
  • Iou Concrete-road-adj: nan
  • Iou Grass: 0.4374
  • Iou Speedway-bricks: 0.9581
  • Iou Steel: 0.8183
  • Iou Steel-sidewalk: nan
  • Iou Dark-bricks: nan
  • Iou Road: nan
  • Iou Rough-red-sidewalk: 0.5895
  • Iou Tiles-marble: nan
  • Iou Red-bricks: nan
  • Iou Rest: 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: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 600

Training results

Training Loss Epoch Step Validation Loss Mean Iou Mean Accuracy Overall Accuracy Accuracy Unlabeled Accuracy Nat Accuracy Concrete-speedway-side Accuracy Concrete-road-adj Accuracy Grass Accuracy Speedway-bricks Accuracy Steel Accuracy Steel-sidewalk Accuracy Dark-bricks Accuracy Road Accuracy Rough-red-sidewalk Accuracy Tiles-marble Accuracy Red-bricks Accuracy Rest Iou Unlabeled Iou Nat Iou Concrete-speedway-side Iou Concrete-road-adj Iou Grass Iou Speedway-bricks Iou Steel Iou Steel-sidewalk Iou Dark-bricks Iou Road Iou Rough-red-sidewalk Iou Tiles-marble Iou Red-bricks Iou Rest
1.5957 20.0 20 1.5208 0.1375 0.2966 0.7878 nan 0.8322 0.0071 nan 0.0 0.9400 0.0 nan nan nan 0.0 nan nan nan 0.0 0.8228 0.0065 nan 0.0 0.6828 0.0 0.0 nan 0.0 0.0 0.0 0.0 nan
0.3589 40.0 40 0.3774 0.3713 0.4249 0.9034 nan 0.9629 0.4427 nan 0.1437 1.0 0.0 nan nan nan 0.0 nan nan nan nan 0.9404 0.3404 nan 0.1104 0.8367 0.0 nan nan nan 0.0 nan nan nan
0.173 60.0 60 0.2565 0.5359 0.6159 0.9279 nan 0.9537 0.6675 nan 0.5639 1.0 0.0 nan nan nan 0.5100 nan nan nan nan 0.9408 0.6352 nan 0.2973 0.8961 0.0 nan nan nan 0.4458 nan nan nan
0.1134 80.0 80 0.1627 0.7202 0.7931 0.9605 nan 0.9793 0.8184 nan 0.4907 0.9946 0.5343 nan nan nan 0.9412 nan nan nan nan 0.9569 0.7767 nan 0.3657 0.9650 0.4712 nan nan nan 0.7858 nan nan nan
0.0925 100.0 100 0.1637 0.7153 0.7811 0.9572 nan 0.9774 0.7627 nan 0.5282 0.9969 0.5839 nan nan nan 0.8377 nan nan nan nan 0.9558 0.7396 nan 0.3793 0.9531 0.5400 nan nan nan 0.7239 nan nan nan
0.076 120.0 120 0.1484 0.7523 0.8407 0.9630 nan 0.9816 0.8138 nan 0.5185 0.9870 0.7936 nan nan nan 0.9499 nan nan nan nan 0.9594 0.7565 nan 0.3947 0.9677 0.6144 nan nan nan 0.8212 nan nan nan
0.0648 140.0 140 0.1535 0.7321 0.8246 0.9590 nan 0.9782 0.8272 nan 0.5431 0.9863 0.8023 nan nan nan 0.8104 nan nan nan nan 0.9579 0.7444 nan 0.3992 0.9596 0.6491 nan nan nan 0.6825 nan nan nan
0.0647 160.0 160 0.1474 0.7517 0.8246 0.9624 nan 0.9807 0.7850 nan 0.5292 0.9944 0.7690 nan nan nan 0.8890 nan nan nan nan 0.9588 0.7219 nan 0.3936 0.9702 0.7060 nan nan nan 0.7595 nan nan nan
0.0536 180.0 180 0.1418 0.7700 0.8598 0.9643 nan 0.9789 0.8163 nan 0.5759 0.9898 0.8609 nan nan nan 0.9368 nan nan nan nan 0.9596 0.7403 nan 0.4216 0.9739 0.7420 nan nan nan 0.7823 nan nan nan
0.0508 200.0 200 0.1347 0.7785 0.8678 0.9662 nan 0.9823 0.8078 nan 0.5830 0.9883 0.9038 nan nan nan 0.9418 nan nan nan nan 0.9617 0.7412 nan 0.4265 0.9782 0.7556 nan nan nan 0.8078 nan nan nan
0.0452 220.0 220 0.1432 0.7452 0.8243 0.9604 nan 0.9796 0.7841 nan 0.5748 0.9934 0.8825 nan nan nan 0.7316 nan nan nan nan 0.9598 0.7316 nan 0.4273 0.9609 0.7776 nan nan nan 0.6138 nan nan nan
0.0417 240.0 240 0.1411 0.7700 0.8509 0.9640 nan 0.9802 0.7948 nan 0.5421 0.9924 0.8778 nan nan nan 0.9184 nan nan nan nan 0.9585 0.7368 nan 0.4060 0.9741 0.7841 nan nan nan 0.7608 nan nan nan
0.0417 260.0 260 0.1407 0.7503 0.8214 0.9616 nan 0.9802 0.7821 nan 0.5683 0.9955 0.8162 nan nan nan 0.7863 nan nan nan nan 0.9603 0.7259 nan 0.4290 0.9638 0.7651 nan nan nan 0.6580 nan nan nan
0.0421 280.0 280 0.1364 0.7752 0.8573 0.9651 nan 0.9819 0.7966 nan 0.5474 0.9910 0.9081 nan nan nan 0.9184 nan nan nan nan 0.9603 0.7338 nan 0.4165 0.9746 0.7868 nan nan nan 0.7789 nan nan nan
0.0369 300.0 300 0.1501 0.7470 0.8209 0.9597 nan 0.9779 0.7465 nan 0.5877 0.9962 0.8372 nan nan nan 0.7798 nan nan nan nan 0.9589 0.7027 nan 0.4253 0.9597 0.7791 nan nan nan 0.6561 nan nan nan
0.0369 320.0 320 0.1567 0.7385 0.8162 0.9579 nan 0.9758 0.7764 nan 0.5807 0.9951 0.8532 nan nan nan 0.7157 nan nan nan nan 0.9570 0.7215 nan 0.4166 0.9569 0.7860 nan nan nan 0.5929 nan nan nan
0.0347 340.0 340 0.1488 0.7457 0.8281 0.9592 nan 0.9770 0.7997 nan 0.5802 0.9928 0.9101 nan nan nan 0.7084 nan nan nan nan 0.9581 0.7343 nan 0.4315 0.9585 0.8086 nan nan nan 0.5831 nan nan nan
0.0341 360.0 360 0.1537 0.7373 0.8085 0.9583 nan 0.9783 0.7636 nan 0.5854 0.9957 0.8529 nan nan nan 0.6752 nan nan nan nan 0.9590 0.7182 nan 0.4334 0.9540 0.7937 nan nan nan 0.5656 nan nan nan
0.0319 380.0 380 0.1511 0.7452 0.8221 0.9591 nan 0.9769 0.7932 nan 0.5953 0.9944 0.8795 nan nan nan 0.6932 nan nan nan nan 0.9585 0.7336 nan 0.4352 0.9571 0.8033 nan nan nan 0.5835 nan nan nan
0.0331 400.0 400 0.1568 0.7412 0.8149 0.9583 nan 0.9766 0.8053 nan 0.5676 0.9948 0.8808 nan nan nan 0.6640 nan nan nan nan 0.9573 0.7441 nan 0.4273 0.9548 0.8097 nan nan nan 0.5539 nan nan nan
0.0322 420.0 420 0.1548 0.7425 0.8170 0.9587 nan 0.9767 0.7880 nan 0.5846 0.9955 0.8665 nan nan nan 0.6909 nan nan nan nan 0.9581 0.7343 nan 0.4322 0.9562 0.8036 nan nan nan 0.5704 nan nan nan
0.0313 440.0 440 0.1581 0.7417 0.8156 0.9585 nan 0.9767 0.7942 nan 0.5856 0.9953 0.8762 nan nan nan 0.6658 nan nan nan nan 0.9582 0.7368 nan 0.4293 0.9555 0.8126 nan nan nan 0.5577 nan nan nan
0.0303 460.0 460 0.1636 0.7328 0.8028 0.9570 nan 0.9767 0.7584 nan 0.5827 0.9970 0.8429 nan nan nan 0.6591 nan nan nan nan 0.9579 0.7142 nan 0.4316 0.9508 0.7937 nan nan nan 0.5483 nan nan nan
0.0321 480.0 480 0.1490 0.7500 0.8311 0.9599 nan 0.9770 0.7959 nan 0.5885 0.9938 0.9151 nan nan nan 0.7164 nan nan nan nan 0.9586 0.7349 nan 0.4380 0.9591 0.8157 nan nan nan 0.5936 nan nan nan
0.0304 500.0 500 0.1544 0.7471 0.8289 0.9593 nan 0.9771 0.8144 nan 0.5791 0.9922 0.9268 nan nan nan 0.6838 nan nan nan nan 0.9582 0.7459 nan 0.4353 0.9571 0.8157 nan nan nan 0.5704 nan nan nan
0.0303 520.0 520 0.1602 0.7419 0.8179 0.9585 nan 0.9771 0.7963 nan 0.5769 0.9945 0.9095 nan nan nan 0.6530 nan nan nan nan 0.9580 0.7401 nan 0.4343 0.9542 0.8177 nan nan nan 0.5472 nan nan nan
0.0301 540.0 540 0.1528 0.7481 0.8285 0.9596 nan 0.9771 0.8037 nan 0.5885 0.9934 0.9191 nan nan nan 0.6891 nan nan nan nan 0.9585 0.7442 nan 0.4394 0.9577 0.8171 nan nan nan 0.5715 nan nan nan
0.0305 560.0 560 0.1500 0.7524 0.8292 0.9604 nan 0.9781 0.8007 nan 0.5822 0.9941 0.9108 nan nan nan 0.7092 nan nan nan nan 0.9591 0.7418 nan 0.4380 0.9590 0.8219 nan nan nan 0.5945 nan nan nan
0.0301 580.0 580 0.1522 0.7506 0.8295 0.9599 nan 0.9774 0.7963 nan 0.5853 0.9940 0.9188 nan nan nan 0.7053 nan nan nan nan 0.9588 0.7395 nan 0.4387 0.9581 0.8209 nan nan nan 0.5873 nan nan nan
0.0279 600.0 600 0.1525 0.7497 0.8290 0.9598 nan 0.9775 0.7907 nan 0.5869 0.9939 0.9191 nan nan nan 0.7060 nan nan nan nan 0.9588 0.7359 nan 0.4374 0.9581 0.8183 nan nan nan 0.5895 nan nan nan

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.1+cu117
  • Datasets 2.13.1
  • Tokenizers 0.13.3