Hugging Face's logo

yiming19
/
segformer-b0-finetuned-segments-construction-1

Image Segmentation
Transformers
PyTorch
segformer
vision
generated_from_trainer
Inference Endpoints
Model card Files Community
2
Edit model card

segformer-b0-finetuned-segments-construction-1

This model is a fine-tuned version of nvidia/mit-b0 on the yiming19/construction_place dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2796
  • Mean Iou: 0.3218
  • Mean Accuracy: 0.5305
  • Overall Accuracy: 0.9276
  • Accuracy Unlabeled: nan
  • Accuracy Ruler: 0.8954
  • Accuracy Socket: 0.0
  • Accuracy Wall: 0.9644
  • Accuracy Window: nan
  • Accuracy Heater: nan
  • Accuracy Floor: 0.6710
  • Accuracy Ceiling: 0.0
  • Accuracy Skirting: nan
  • Accuracy Door: 0.6525
  • Accuracy Light: nan
  • Iou Unlabeled: nan
  • Iou Ruler: 0.7222
  • Iou Socket: 0.0
  • Iou Wall: 0.9553
  • Iou Window: 0.0
  • Iou Heater: nan
  • Iou Floor: 0.2630
  • Iou Ceiling: 0.0
  • Iou Skirting: 0.0
  • Iou Door: 0.6342
  • Iou Light: 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: 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: 50

Training results

Training Loss Epoch Step Validation Loss Mean Iou Mean Accuracy Overall Accuracy Accuracy Unlabeled Accuracy Ruler Accuracy Socket Accuracy Wall Accuracy Window Accuracy Heater Accuracy Floor Accuracy Ceiling Accuracy Skirting Accuracy Door Accuracy Light Iou Unlabeled Iou Ruler Iou Socket Iou Wall Iou Window Iou Heater Iou Floor Iou Ceiling Iou Skirting Iou Door Iou Light
1.8126 1.43 20 2.1233 0.1955 0.5160 0.8448 nan 0.8191 0.0 0.8868 nan nan 0.9618 0.0 nan 0.4281 nan 0.0 0.5555 0.0 0.8845 0.0 0.0 0.2971 0.0 0.0 0.4135 0.0
1.905 2.86 40 1.3611 0.1827 0.4921 0.8505 nan 0.9275 0.0 0.9139 nan nan 0.9627 0.0 nan 0.1484 nan nan 0.5404 0.0 0.9095 0.0 0.0 0.2289 0.0 0.0 0.1484 0.0
1.1072 4.29 60 1.0502 0.2327 0.5517 0.8903 nan 0.9108 0.0 0.9266 nan nan 0.9367 0.0 nan 0.5360 nan nan 0.5301 0.0 0.9206 0.0 0.0 0.3475 0.0 0.0 0.5284 0.0
1.0076 5.71 80 0.8802 0.2744 0.5609 0.9089 nan 0.8208 0.0 0.9410 nan nan 0.9532 0.0 nan 0.6505 nan nan 0.5500 0.0 0.9277 0.0 0.0 0.3688 0.0 0.0 0.6227 nan
1.5533 7.14 100 0.8991 0.2846 0.5514 0.8878 nan 0.8918 0.0 0.9243 nan nan 0.9591 0.0 nan 0.5332 nan nan 0.5262 0.0 0.9169 0.0 nan 0.3209 0.0 0.0 0.5132 nan
0.9912 8.57 120 0.9340 0.2891 0.5652 0.8854 nan 0.9478 0.0 0.9151 nan nan 0.9438 0.0 nan 0.5844 nan nan 0.5059 0.0 0.9098 0.0 nan 0.3424 0.0 0.0 0.5544 nan
0.784 10.0 140 0.7017 0.3140 0.5984 0.9173 nan 0.9136 0.0 0.9305 nan nan 0.8971 0.0 nan 0.8493 nan nan 0.5324 0.0 0.9224 0.0 0.0 0.5805 0.0 0.0 0.7909 nan
0.5636 11.43 160 0.6925 0.3573 0.5978 0.9280 nan 0.8714 0.0 0.9412 nan nan 0.8868 0.0 nan 0.8876 nan nan 0.5701 0.0 0.9308 0.0 nan 0.5638 0.0 0.0 0.7935 nan
1.0692 12.86 180 0.7313 0.2931 0.5724 0.8981 nan 0.9587 0.0 0.9231 nan nan 0.8880 0.0 nan 0.6647 nan nan 0.4988 0.0 0.9182 0.0 nan 0.3342 0.0 0.0 0.5932 nan
0.7603 14.29 200 0.6907 0.2577 0.5744 0.9001 nan 0.9619 0.0 0.9251 nan nan 0.8930 0.0 nan 0.6661 nan nan 0.4939 0.0 0.9208 0.0 0.0 0.3219 0.0 0.0 0.5824 nan
0.9509 15.71 220 0.5110 0.3682 0.6069 0.9324 nan 0.9355 0.0 0.9417 nan nan 0.8453 0.0 nan 0.9191 nan nan 0.5671 0.0 0.9334 0.0 nan 0.6050 0.0 0.0 0.8403 nan
0.4254 17.14 240 0.5925 0.2961 0.5629 0.9023 nan 0.9646 0.0 0.9295 nan nan 0.8261 0.0 nan 0.6569 nan nan 0.5302 0.0 0.9243 0.0 nan 0.3138 0.0 0.0 0.6009 nan
0.3839 18.57 260 0.4226 0.3537 0.5479 0.9367 nan 0.9108 0.0 0.9540 nan nan 0.5102 0.0 nan 0.9124 nan nan 0.6643 0.0 0.9426 0.0 nan 0.3868 0.0 0.0 0.8361 nan
0.7441 20.0 280 0.5084 0.3533 0.5993 0.9277 nan 0.9691 0.0 0.9391 nan nan 0.8075 0.0 nan 0.8801 nan nan 0.5527 0.0 0.9333 0.0 nan 0.5197 0.0 0.0 0.8208 nan
0.4374 21.43 300 0.4683 0.3038 0.5549 0.9173 nan 0.9662 0.0 0.9480 nan nan 0.7594 0.0 nan 0.6558 nan nan 0.6024 0.0 0.9419 0.0 nan 0.2804 0.0 0.0 0.6056 nan
0.6224 22.86 320 0.4100 0.3810 0.5960 0.9374 nan 0.9704 0.0 0.9460 nan nan 0.7131 0.0 nan 0.9467 nan nan 0.5986 0.0 0.9401 0.0 nan 0.6197 0.0 0.0 0.8898 nan
0.4473 24.29 340 0.3933 0.3368 0.5431 0.9336 nan 0.9212 0.0 0.9620 nan nan 0.6197 0.0 nan 0.7556 nan nan 0.7221 0.0 0.9521 0.0 nan 0.2958 0.0 0.0 0.7245 nan
0.3364 25.71 360 0.4336 0.2976 0.5125 0.9134 nan 0.9408 0.0 0.9544 nan nan 0.6075 0.0 nan 0.5721 nan nan 0.6918 0.0 0.9481 0.0 nan 0.1998 0.0 0.0 0.5411 nan
0.281 27.14 380 0.3795 0.3689 0.5760 0.9420 nan 0.9250 0.0 0.9589 nan nan 0.6859 0.0 nan 0.8863 nan nan 0.7108 0.0 0.9518 0.0 nan 0.4576 0.0 0.0 0.8305 nan
0.3198 28.57 400 0.4023 0.3158 0.5143 0.9238 nan 0.9120 0.0 0.9610 nan nan 0.5580 0.0 nan 0.6550 nan nan 0.7210 0.0 0.9519 0.0 nan 0.2238 0.0 0.0 0.6293 nan
0.4624 30.0 420 0.3565 0.3770 0.5774 0.9475 nan 0.9408 0.0 0.9613 nan nan 0.6287 0.0 nan 0.9337 nan nan 0.6855 0.0 0.9539 0.0 nan 0.4943 0.0 0.0 0.8827 nan
0.2356 31.43 440 0.3940 0.3100 0.5349 0.9221 nan 0.9268 0.0 0.9602 nan nan 0.7187 0.0 nan 0.6040 nan nan 0.7005 0.0 0.9536 0.0 nan 0.2474 0.0 0.0 0.5781 nan
0.3931 32.86 460 0.3516 0.3162 0.5570 0.9258 nan 0.9338 0.0 0.9598 nan nan 0.8124 0.0 nan 0.6362 nan nan 0.6824 0.0 0.9542 0.0 nan 0.2888 0.0 0.0 0.6040 nan
0.2431 34.29 480 0.4011 0.2955 0.5291 0.9138 nan 0.9242 0.0 0.9583 nan nan 0.7864 0.0 nan 0.5058 nan nan 0.6954 0.0 0.9520 0.0 nan 0.2331 0.0 0.0 0.4832 nan
0.2131 35.71 500 0.2847 0.3764 0.5613 0.9487 nan 0.8877 0.0 0.9679 nan nan 0.6103 0.0 nan 0.9020 nan nan 0.7330 0.0 0.9571 0.0 nan 0.4539 0.0 0.0 0.8669 nan
0.4151 37.14 520 0.3176 0.3186 0.5239 0.9256 nan 0.8930 0.0 0.9640 nan nan 0.6505 0.0 nan 0.6356 nan nan 0.7251 0.0 0.9544 0.0 nan 0.2507 0.0 0.0 0.6187 nan
0.2408 38.57 540 0.3267 0.3071 0.5361 0.9208 nan 0.9264 0.0 0.9600 nan nan 0.7441 0.0 nan 0.5859 nan nan 0.6868 0.0 0.9538 0.0 nan 0.2526 0.0 0.0 0.5635 nan
0.2274 40.0 560 0.2875 0.3396 0.5471 0.9349 nan 0.9098 0.0 0.9626 nan nan 0.6456 0.0 nan 0.7649 nan nan 0.7018 0.0 0.9547 0.0 nan 0.3216 0.0 0.0 0.7387 nan
0.2452 41.43 580 0.2998 0.3181 0.5357 0.9279 nan 0.9089 0.0 0.9642 nan nan 0.6932 0.0 nan 0.6480 nan nan 0.7057 0.0 0.9562 0.0 nan 0.2578 0.0 0.0 0.6252 nan
0.2922 42.86 600 0.2957 0.3131 0.5246 0.9255 nan 0.9056 0.0 0.9643 nan nan 0.6535 0.0 nan 0.6242 nan nan 0.7103 0.0 0.9563 0.0 nan 0.2347 0.0 0.0 0.6037 nan
0.3704 44.29 620 0.3290 0.3172 0.5429 0.9247 nan 0.9246 0.0 0.9583 nan nan 0.7123 0.0 nan 0.6621 nan nan 0.6856 0.0 0.9527 0.0 nan 0.2707 0.0 0.0 0.6286 nan
0.2482 45.71 640 0.2995 0.3251 0.5368 0.9276 nan 0.9018 0.0 0.9617 nan nan 0.6795 0.0 nan 0.6779 nan nan 0.7154 0.0 0.9538 0.0 nan 0.2790 0.0 0.0 0.6528 nan
0.2798 47.14 660 0.2808 0.3323 0.5374 0.9319 nan 0.8938 0.0 0.9644 nan nan 0.6554 0.0 nan 0.7110 nan nan 0.7218 0.0 0.9554 0.0 nan 0.2919 0.0 0.0 0.6894 nan
0.2746 48.57 680 0.2695 0.3265 0.5341 0.9299 nan 0.8947 0.0 0.9642 nan nan 0.6597 0.0 nan 0.6861 nan nan 0.7198 0.0 0.9554 0.0 nan 0.2735 0.0 0.0 0.6633 nan
0.2169 50.0 700 0.2796 0.3218 0.5305 0.9276 nan 0.8954 0.0 0.9644 nan nan 0.6710 0.0 nan 0.6525 nan nan 0.7222 0.0 0.9553 0.0 nan 0.2630 0.0 0.0 0.6342 nan

Framework versions

  • Transformers 4.25.1
  • Pytorch 1.13.1
  • Datasets 2.10.1
  • Tokenizers 0.13.0.dev0
Downloads last month
8

Evaluation results

Metadata error: specify a dataset to view leaderboard