segformer-b0-finetuned-segments-docboundary-dec-15-88_images

This model is a fine-tuned version of nvidia/mit-b0 on the vigneshgs7/Boundary_detection_Doc dataset. It achieves the following results on the evaluation set:

• Loss: 0.0210
• Mean Iou: 0.0
• Mean Accuracy: nan
• Overall Accuracy: nan
• Accuracy Object: nan
• Iou Object: 0.0

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: 2
• eval_batch_size: 2
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 100

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Iou	Mean Accuracy	Overall Accuracy	Accuracy Object	Iou Object
0.2271	0.57	20	0.2264	0.0	nan	nan	nan	0.0
0.2259	1.14	40	0.2250	0.0	nan	nan	nan	0.0
0.2206	1.71	60	0.1485	0.0	nan	nan	nan	0.0
0.1746	2.29	80	0.1454	0.0	nan	nan	nan	0.0
0.15	2.86	100	0.1346	0.0	nan	nan	nan	0.0
0.1664	3.43	120	0.1256	0.0	nan	nan	nan	0.0
0.1592	4.0	140	0.1174	0.0	nan	nan	nan	0.0
0.1315	4.57	160	0.1162	0.0	nan	nan	nan	0.0
0.1175	5.14	180	0.0957	0.0	nan	nan	nan	0.0
0.104	5.71	200	0.0987	0.0	nan	nan	nan	0.0
0.1028	6.29	220	0.0922	0.0	nan	nan	nan	0.0
0.0961	6.86	240	0.0882	0.0	nan	nan	nan	0.0
0.0969	7.43	260	0.0781	0.0	nan	nan	nan	0.0
0.0965	8.0	280	0.0699	0.0	nan	nan	nan	0.0
0.0782	8.57	300	0.0708	0.0	nan	nan	nan	0.0
0.0852	9.14	320	0.0692	0.0	nan	nan	nan	0.0
0.071	9.71	340	0.0664	0.0	nan	nan	nan	0.0
0.0647	10.29	360	0.0635	0.0	nan	nan	nan	0.0
0.0639	10.86	380	0.0586	0.0	nan	nan	nan	0.0
0.0598	11.43	400	0.0582	0.0	nan	nan	nan	0.0
0.0642	12.0	420	0.0544	0.0	nan	nan	nan	0.0
0.0562	12.57	440	0.0558	0.0	nan	nan	nan	0.0
0.0554	13.14	460	0.0536	0.0	nan	nan	nan	0.0
0.0597	13.71	480	0.0458	0.0	nan	nan	nan	0.0
0.0506	14.29	500	0.0491	0.0	nan	nan	nan	0.0
0.0504	14.86	520	0.0434	0.0	nan	nan	nan	0.0
0.0493	15.43	540	0.0448	0.0	nan	nan	nan	0.0
0.0507	16.0	560	0.0466	0.0	nan	nan	nan	0.0
0.0515	16.57	580	0.0448	0.0	nan	nan	nan	0.0
0.0456	17.14	600	0.0439	0.0	nan	nan	nan	0.0
0.0507	17.71	620	0.0368	0.0	nan	nan	nan	0.0
0.0457	18.29	640	0.0421	0.0	nan	nan	nan	0.0
0.0391	18.86	660	0.0353	0.0	nan	nan	nan	0.0
0.0389	19.43	680	0.0409	0.0	nan	nan	nan	0.0
0.0418	20.0	700	0.0371	0.0	nan	nan	nan	0.0
0.0352	20.57	720	0.0367	0.0	nan	nan	nan	0.0
0.035	21.14	740	0.0334	0.0	nan	nan	nan	0.0
0.0356	21.71	760	0.0350	0.0	nan	nan	nan	0.0
0.0338	22.29	780	0.0330	0.0	nan	nan	nan	0.0
0.0364	22.86	800	0.0322	0.0	nan	nan	nan	0.0
0.0392	23.43	820	0.0331	0.0	nan	nan	nan	0.0
0.0295	24.0	840	0.0336	0.0	nan	nan	nan	0.0
0.0315	24.57	860	0.0322	0.0	nan	nan	nan	0.0
0.03	25.14	880	0.0313	0.0	nan	nan	nan	0.0
0.0276	25.71	900	0.0340	0.0	nan	nan	nan	0.0
0.0274	26.29	920	0.0326	0.0	nan	nan	nan	0.0
0.0275	26.86	940	0.0304	0.0	nan	nan	nan	0.0
0.0278	27.43	960	0.0304	0.0	nan	nan	nan	0.0
0.0293	28.0	980	0.0338	0.0	nan	nan	nan	0.0
0.0245	28.57	1000	0.0295	0.0	nan	nan	nan	0.0
0.0348	29.14	1020	0.0287	0.0	nan	nan	nan	0.0
0.0236	29.71	1040	0.0273	0.0	nan	nan	nan	0.0
0.0229	30.29	1060	0.0260	0.0	nan	nan	nan	0.0
0.0324	30.86	1080	0.0290	0.0	nan	nan	nan	0.0
0.029	31.43	1100	0.0273	0.0	nan	nan	nan	0.0
0.0248	32.0	1120	0.0266	0.0	nan	nan	nan	0.0
0.0253	32.57	1140	0.0260	0.0	nan	nan	nan	0.0
0.0226	33.14	1160	0.0265	0.0	nan	nan	nan	0.0
0.0224	33.71	1180	0.0265	0.0	nan	nan	nan	0.0
0.0213	34.29	1200	0.0261	0.0	nan	nan	nan	0.0
0.0236	34.86	1220	0.0278	0.0	nan	nan	nan	0.0
0.0206	35.43	1240	0.0288	0.0	nan	nan	nan	0.0
0.0232	36.0	1260	0.0254	0.0	nan	nan	nan	0.0
0.0242	36.57	1280	0.0252	0.0	nan	nan	nan	0.0
0.0203	37.14	1300	0.0268	0.0	nan	nan	nan	0.0
0.0241	37.71	1320	0.0248	0.0	nan	nan	nan	0.0
0.0208	38.29	1340	0.0229	0.0	nan	nan	nan	0.0
0.0187	38.86	1360	0.0253	0.0	nan	nan	nan	0.0
0.0192	39.43	1380	0.0242	0.0	nan	nan	nan	0.0
0.022	40.0	1400	0.0248	0.0	nan	nan	nan	0.0
0.0189	40.57	1420	0.0244	0.0	nan	nan	nan	0.0
0.0202	41.14	1440	0.0250	0.0	nan	nan	nan	0.0
0.0181	41.71	1460	0.0242	0.0	nan	nan	nan	0.0
0.03	42.29	1480	0.0256	0.0	nan	nan	nan	0.0
0.0176	42.86	1500	0.0240	0.0	nan	nan	nan	0.0
0.0196	43.43	1520	0.0238	0.0	nan	nan	nan	0.0
0.0192	44.0	1540	0.0238	0.0	nan	nan	nan	0.0
0.0169	44.57	1560	0.0244	0.0	nan	nan	nan	0.0
0.0192	45.14	1580	0.0256	0.0	nan	nan	nan	0.0
0.0189	45.71	1600	0.0254	0.0	nan	nan	nan	0.0
0.0177	46.29	1620	0.0251	0.0	nan	nan	nan	0.0
0.0196	46.86	1640	0.0232	0.0	nan	nan	nan	0.0
0.0193	47.43	1660	0.0224	0.0	nan	nan	nan	0.0
0.0195	48.0	1680	0.0233	0.0	nan	nan	nan	0.0
0.0187	48.57	1700	0.0234	0.0	nan	nan	nan	0.0
0.0178	49.14	1720	0.0242	0.0	nan	nan	nan	0.0
0.0151	49.71	1740	0.0236	0.0	nan	nan	nan	0.0
0.0158	50.29	1760	0.0233	0.0	nan	nan	nan	0.0
0.0179	50.86	1780	0.0224	0.0	nan	nan	nan	0.0
0.0152	51.43	1800	0.0213	0.0	nan	nan	nan	0.0
0.0181	52.0	1820	0.0222	0.0	nan	nan	nan	0.0
0.0153	52.57	1840	0.0229	0.0	nan	nan	nan	0.0
0.0174	53.14	1860	0.0228	0.0	nan	nan	nan	0.0
0.015	53.71	1880	0.0230	0.0	nan	nan	nan	0.0
0.0138	54.29	1900	0.0237	0.0	nan	nan	nan	0.0
0.0154	54.86	1920	0.0233	0.0	nan	nan	nan	0.0
0.0154	55.43	1940	0.0230	0.0	nan	nan	nan	0.0
0.0164	56.0	1960	0.0240	0.0	nan	nan	nan	0.0
0.0164	56.57	1980	0.0235	0.0	nan	nan	nan	0.0
0.014	57.14	2000	0.0231	0.0	nan	nan	nan	0.0
0.0145	57.71	2020	0.0224	0.0	nan	nan	nan	0.0
0.0141	58.29	2040	0.0213	0.0	nan	nan	nan	0.0
0.0144	58.86	2060	0.0220	0.0	nan	nan	nan	0.0
0.0152	59.43	2080	0.0233	0.0	nan	nan	nan	0.0
0.0147	60.0	2100	0.0233	0.0	nan	nan	nan	0.0
0.0175	60.57	2120	0.0215	0.0	nan	nan	nan	0.0
0.0142	61.14	2140	0.0218	0.0	nan	nan	nan	0.0
0.0175	61.71	2160	0.0219	0.0	nan	nan	nan	0.0
0.0159	62.29	2180	0.0219	0.0	nan	nan	nan	0.0
0.0136	62.86	2200	0.0220	0.0	nan	nan	nan	0.0
0.0187	63.43	2220	0.0224	0.0	nan	nan	nan	0.0
0.0139	64.0	2240	0.0227	0.0	nan	nan	nan	0.0
0.0139	64.57	2260	0.0227	0.0	nan	nan	nan	0.0
0.0128	65.14	2280	0.0224	0.0	nan	nan	nan	0.0
0.0128	65.71	2300	0.0214	0.0	nan	nan	nan	0.0
0.0127	66.29	2320	0.0214	0.0	nan	nan	nan	0.0
0.0135	66.86	2340	0.0212	0.0	nan	nan	nan	0.0
0.0128	67.43	2360	0.0210	0.0	nan	nan	nan	0.0
0.0162	68.0	2380	0.0205	0.0	nan	nan	nan	0.0
0.0145	68.57	2400	0.0198	0.0	nan	nan	nan	0.0
0.0131	69.14	2420	0.0198	0.0	nan	nan	nan	0.0
0.0126	69.71	2440	0.0213	0.0	nan	nan	nan	0.0
0.013	70.29	2460	0.0211	0.0	nan	nan	nan	0.0
0.0134	70.86	2480	0.0211	0.0	nan	nan	nan	0.0
0.0133	71.43	2500	0.0214	0.0	nan	nan	nan	0.0
0.0124	72.0	2520	0.0213	0.0	nan	nan	nan	0.0
0.0112	72.57	2540	0.0215	0.0	nan	nan	nan	0.0
0.0128	73.14	2560	0.0217	0.0	nan	nan	nan	0.0
0.0127	73.71	2580	0.0218	0.0	nan	nan	nan	0.0
0.0127	74.29	2600	0.0207	0.0	nan	nan	nan	0.0
0.0126	74.86	2620	0.0208	0.0	nan	nan	nan	0.0
0.0119	75.43	2640	0.0207	0.0	nan	nan	nan	0.0
0.0122	76.0	2660	0.0212	0.0	nan	nan	nan	0.0
0.0148	76.57	2680	0.0211	0.0	nan	nan	nan	0.0
0.014	77.14	2700	0.0216	0.0	nan	nan	nan	0.0
0.0112	77.71	2720	0.0219	0.0	nan	nan	nan	0.0
0.012	78.29	2740	0.0211	0.0	nan	nan	nan	0.0
0.0116	78.86	2760	0.0211	0.0	nan	nan	nan	0.0
0.0114	79.43	2780	0.0218	0.0	nan	nan	nan	0.0
0.0129	80.0	2800	0.0215	0.0	nan	nan	nan	0.0
0.0124	80.57	2820	0.0211	0.0	nan	nan	nan	0.0
0.0146	81.14	2840	0.0214	0.0	nan	nan	nan	0.0
0.0122	81.71	2860	0.0206	0.0	nan	nan	nan	0.0
0.0117	82.29	2880	0.0206	0.0	nan	nan	nan	0.0
0.0135	82.86	2900	0.0206	0.0	nan	nan	nan	0.0
0.0155	83.43	2920	0.0211	0.0	nan	nan	nan	0.0
0.0123	84.0	2940	0.0207	0.0	nan	nan	nan	0.0
0.014	84.57	2960	0.0212	0.0	nan	nan	nan	0.0
0.0112	85.14	2980	0.0216	0.0	nan	nan	nan	0.0
0.013	85.71	3000	0.0217	0.0	nan	nan	nan	0.0
0.013	86.29	3020	0.0216	0.0	nan	nan	nan	0.0
0.0113	86.86	3040	0.0212	0.0	nan	nan	nan	0.0
0.0125	87.43	3060	0.0215	0.0	nan	nan	nan	0.0
0.0119	88.0	3080	0.0215	0.0	nan	nan	nan	0.0
0.0119	88.57	3100	0.0221	0.0	nan	nan	nan	0.0
0.0103	89.14	3120	0.0224	0.0	nan	nan	nan	0.0
0.012	89.71	3140	0.0226	0.0	nan	nan	nan	0.0
0.0116	90.29	3160	0.0228	0.0	nan	nan	nan	0.0
0.013	90.86	3180	0.0219	0.0	nan	nan	nan	0.0
0.0257	91.43	3200	0.0219	0.0	nan	nan	nan	0.0
0.0109	92.0	3220	0.0217	0.0	nan	nan	nan	0.0
0.0119	92.57	3240	0.0213	0.0	nan	nan	nan	0.0
0.0131	93.14	3260	0.0209	0.0	nan	nan	nan	0.0
0.0128	93.71	3280	0.0210	0.0	nan	nan	nan	0.0
0.0117	94.29	3300	0.0209	0.0	nan	nan	nan	0.0
0.0135	94.86	3320	0.0209	0.0	nan	nan	nan	0.0
0.0111	95.43	3340	0.0208	0.0	nan	nan	nan	0.0
0.0115	96.0	3360	0.0210	0.0	nan	nan	nan	0.0
0.0118	96.57	3380	0.0210	0.0	nan	nan	nan	0.0
0.0118	97.14	3400	0.0211	0.0	nan	nan	nan	0.0
0.0173	97.71	3420	0.0209	0.0	nan	nan	nan	0.0
0.0127	98.29	3440	0.0210	0.0	nan	nan	nan	0.0
0.0114	98.86	3460	0.0210	0.0	nan	nan	nan	0.0
0.0114	99.43	3480	0.0210	0.0	nan	nan	nan	0.0
0.0642	100.0	3500	0.0210	0.0	nan	nan	nan	0.0

Framework versions

• Transformers 4.35.0
• Pytorch 2.1.0
• Datasets 2.14.6
• Tokenizers 0.14.1