Hugging Face's logo

sungile
/
custom-object-masking_v4-windows

Image Segmentation
Transformers
Safetensors
segformer
vision
Generated from Trainer
Inference Endpoints
Model card Files Community
sungile commited on
Commit
3317176
·
verified ·
1 Parent(s): 140b2e6

End of training

Browse files
Files changed (4) hide show
  1. README.md +212 -195
  2. config.json +82 -0
  3. model.safetensors +3 -0
  4. training_args.bin +3 -0
README.md CHANGED
@@ -1,199 +1,216 @@
1
  ---
2
  library_name: transformers
3
- tags: []
 
 
 
 
 
 
 
 
4
  ---
5
 
6
- # Model Card for Model ID
7
-
8
- <!-- Provide a quick summary of what the model is/does. -->
9
-
10
-
11
-
12
- ## Model Details
13
-
14
- ### Model Description
15
-
16
- <!-- Provide a longer summary of what this model is. -->
17
-
18
- This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.
19
-
20
- - **Developed by:** [More Information Needed]
21
- - **Funded by [optional]:** [More Information Needed]
22
- - **Shared by [optional]:** [More Information Needed]
23
- - **Model type:** [More Information Needed]
24
- - **Language(s) (NLP):** [More Information Needed]
25
- - **License:** [More Information Needed]
26
- - **Finetuned from model [optional]:** [More Information Needed]
27
-
28
- ### Model Sources [optional]
29
-
30
- <!-- Provide the basic links for the model. -->
31
-
32
- - **Repository:** [More Information Needed]
33
- - **Paper [optional]:** [More Information Needed]
34
- - **Demo [optional]:** [More Information Needed]
35
-
36
- ## Uses
37
-
38
- <!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
39
-
40
- ### Direct Use
41
-
42
- <!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
43
-
44
- [More Information Needed]
45
-
46
- ### Downstream Use [optional]
47
-
48
- <!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
49
-
50
- [More Information Needed]
51
-
52
- ### Out-of-Scope Use
53
-
54
- <!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
55
-
56
- [More Information Needed]
57
-
58
- ## Bias, Risks, and Limitations
59
-
60
- <!-- This section is meant to convey both technical and sociotechnical limitations. -->
61
-
62
- [More Information Needed]
63
-
64
- ### Recommendations
65
-
66
- <!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
67
-
68
- Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
69
-
70
- ## How to Get Started with the Model
71
-
72
- Use the code below to get started with the model.
73
-
74
- [More Information Needed]
75
-
76
- ## Training Details
77
-
78
- ### Training Data
79
-
80
- <!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
81
-
82
- [More Information Needed]
83
-
84
- ### Training Procedure
85
-
86
- <!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
87
-
88
- #### Preprocessing [optional]
89
-
90
- [More Information Needed]
91
-
92
-
93
- #### Training Hyperparameters
94
-
95
- - **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
96
-
97
- #### Speeds, Sizes, Times [optional]
98
-
99
- <!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
100
-
101
- [More Information Needed]
102
-
103
- ## Evaluation
104
-
105
- <!-- This section describes the evaluation protocols and provides the results. -->
106
-
107
- ### Testing Data, Factors & Metrics
108
-
109
- #### Testing Data
110
-
111
- <!-- This should link to a Dataset Card if possible. -->
112
-
113
- [More Information Needed]
114
-
115
- #### Factors
116
-
117
- <!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
118
-
119
- [More Information Needed]
120
-
121
- #### Metrics
122
-
123
- <!-- These are the evaluation metrics being used, ideally with a description of why. -->
124
-
125
- [More Information Needed]
126
-
127
- ### Results
128
-
129
- [More Information Needed]
130
-
131
- #### Summary
132
-
133
-
134
-
135
- ## Model Examination [optional]
136
-
137
- <!-- Relevant interpretability work for the model goes here -->
138
-
139
- [More Information Needed]
140
-
141
- ## Environmental Impact
142
-
143
- <!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
144
-
145
- Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
146
-
147
- - **Hardware Type:** [More Information Needed]
148
- - **Hours used:** [More Information Needed]
149
- - **Cloud Provider:** [More Information Needed]
150
- - **Compute Region:** [More Information Needed]
151
- - **Carbon Emitted:** [More Information Needed]
152
-
153
- ## Technical Specifications [optional]
154
-
155
- ### Model Architecture and Objective
156
-
157
- [More Information Needed]
158
-
159
- ### Compute Infrastructure
160
-
161
- [More Information Needed]
162
-
163
- #### Hardware
164
-
165
- [More Information Needed]
166
-
167
- #### Software
168
-
169
- [More Information Needed]
170
-
171
- ## Citation [optional]
172
-
173
- <!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
174
-
175
- **BibTeX:**
176
-
177
- [More Information Needed]
178
-
179
- **APA:**
180
-
181
- [More Information Needed]
182
-
183
- ## Glossary [optional]
184
-
185
- <!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
186
-
187
- [More Information Needed]
188
-
189
- ## More Information [optional]
190
-
191
- [More Information Needed]
192
-
193
- ## Model Card Authors [optional]
194
-
195
- [More Information Needed]
196
-
197
- ## Model Card Contact
198
-
199
- [More Information Needed]
 
 
 
 
 
 
 
 
 
 
1
  ---
2
  library_name: transformers
3
+ license: other
4
+ base_model: nvidia/mit-b0
5
+ tags:
6
+ - vision
7
+ - image-segmentation
8
+ - generated_from_trainer
9
+ model-index:
10
+ - name: custom-object-masking_v4-windows
11
+ results: []
12
  ---
13
 
14
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
15
+ should probably proofread and complete it, then remove this comment. -->
16
+
17
+ # custom-object-masking_v4-windows
18
+
19
+ This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the sungile/custom-object-masking_v4_windows dataset.
20
+ It achieves the following results on the evaluation set:
21
+ - Loss: 0.0356
22
+ - Mean Iou: 0.4482
23
+ - Mean Accuracy: 0.8964
24
+ - Overall Accuracy: 0.8964
25
+ - Accuracy Unknown: nan
26
+ - Accuracy Background: 0.8964
27
+ - Accuracy Windows: nan
28
+ - Accuracy Doors: nan
29
+ - Iou Unknown: 0.0
30
+ - Iou Background: 0.8964
31
+ - Iou Windows: nan
32
+ - Iou Doors: nan
33
+
34
+ ## Model description
35
+
36
+ More information needed
37
+
38
+ ## Intended uses & limitations
39
+
40
+ More information needed
41
+
42
+ ## Training and evaluation data
43
+
44
+ More information needed
45
+
46
+ ## Training procedure
47
+
48
+ ### Training hyperparameters
49
+
50
+ The following hyperparameters were used during training:
51
+ - learning_rate: 6e-05
52
+ - train_batch_size: 2
53
+ - eval_batch_size: 2
54
+ - seed: 42
55
+ - optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
56
+ - lr_scheduler_type: linear
57
+ - num_epochs: 13
58
+
59
+ ### Training results
60
+
61
+ | Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Unknown | Accuracy Background | Accuracy Windows | Accuracy Doors | Iou Unknown | Iou Background | Iou Windows | Iou Doors |
62
+ |:-------------:|:-------:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:----------------:|:-------------------:|:----------------:|:--------------:|:-----------:|:--------------:|:-----------:|:---------:|
63
+ | 1.2068 | 0.0889 | 20 | 1.2022 | 0.2929 | 0.8786 | 0.8786 | nan | 0.8786 | nan | nan | 0.0 | 0.8786 | nan | 0.0 |
64
+ | 1.0473 | 0.1778 | 40 | 0.8302 | 0.4138 | 0.8276 | 0.8276 | nan | 0.8276 | nan | nan | 0.0 | 0.8276 | nan | nan |
65
+ | 0.6951 | 0.2667 | 60 | 0.6390 | 0.4189 | 0.8378 | 0.8378 | nan | 0.8378 | nan | nan | 0.0 | 0.8378 | nan | nan |
66
+ | 0.7385 | 0.3556 | 80 | 0.5599 | 0.4354 | 0.8708 | 0.8708 | nan | 0.8708 | nan | nan | 0.0 | 0.8708 | nan | nan |
67
+ | 0.6032 | 0.4444 | 100 | 0.4439 | 0.4021 | 0.8042 | 0.8042 | nan | 0.8042 | nan | nan | 0.0 | 0.8042 | nan | nan |
68
+ | 0.429 | 0.5333 | 120 | 0.3958 | 0.4009 | 0.8017 | 0.8017 | nan | 0.8017 | nan | nan | 0.0 | 0.8017 | nan | nan |
69
+ | 0.5359 | 0.6222 | 140 | 0.3600 | 0.4213 | 0.8426 | 0.8426 | nan | 0.8426 | nan | nan | 0.0 | 0.8426 | nan | nan |
70
+ | 0.3943 | 0.7111 | 160 | 0.3361 | 0.4232 | 0.8463 | 0.8463 | nan | 0.8463 | nan | nan | 0.0 | 0.8463 | nan | nan |
71
+ | 0.3419 | 0.8 | 180 | 0.2856 | 0.4071 | 0.8142 | 0.8142 | nan | 0.8142 | nan | nan | 0.0 | 0.8142 | nan | nan |
72
+ | 0.2283 | 0.8889 | 200 | 0.2453 | 0.3970 | 0.7940 | 0.7940 | nan | 0.7940 | nan | nan | 0.0 | 0.7940 | nan | nan |
73
+ | 0.2697 | 0.9778 | 220 | 0.2132 | 0.3791 | 0.7583 | 0.7583 | nan | 0.7583 | nan | nan | 0.0 | 0.7583 | nan | nan |
74
+ | 0.1891 | 1.0667 | 240 | 0.2057 | 0.4060 | 0.8120 | 0.8120 | nan | 0.8120 | nan | nan | 0.0 | 0.8120 | nan | nan |
75
+ | 0.1856 | 1.1556 | 260 | 0.1805 | 0.4210 | 0.8420 | 0.8420 | nan | 0.8420 | nan | nan | 0.0 | 0.8420 | nan | nan |
76
+ | 0.2478 | 1.2444 | 280 | 0.1519 | 0.3758 | 0.7517 | 0.7517 | nan | 0.7517 | nan | nan | 0.0 | 0.7517 | nan | nan |
77
+ | 0.1322 | 1.3333 | 300 | 0.1393 | 0.3922 | 0.7845 | 0.7845 | nan | 0.7845 | nan | nan | 0.0 | 0.7845 | nan | nan |
78
+ | 0.1696 | 1.4222 | 320 | 0.1345 | 0.4125 | 0.8249 | 0.8249 | nan | 0.8249 | nan | nan | 0.0 | 0.8249 | nan | nan |
79
+ | 0.1491 | 1.5111 | 340 | 0.1165 | 0.3836 | 0.7671 | 0.7671 | nan | 0.7671 | nan | nan | 0.0 | 0.7671 | nan | nan |
80
+ | 0.1021 | 1.6 | 360 | 0.1150 | 0.4251 | 0.8503 | 0.8503 | nan | 0.8503 | nan | nan | 0.0 | 0.8503 | nan | nan |
81
+ | 0.1233 | 1.6889 | 380 | 0.1133 | 0.4127 | 0.8255 | 0.8255 | nan | 0.8255 | nan | nan | 0.0 | 0.8255 | nan | nan |
82
+ | 0.171 | 1.7778 | 400 | 0.0983 | 0.4231 | 0.8462 | 0.8462 | nan | 0.8462 | nan | nan | 0.0 | 0.8462 | nan | nan |
83
+ | 0.1991 | 1.8667 | 420 | 0.0871 | 0.3853 | 0.7706 | 0.7706 | nan | 0.7706 | nan | nan | 0.0 | 0.7706 | nan | nan |
84
+ | 0.1516 | 1.9556 | 440 | 0.0785 | 0.4045 | 0.8091 | 0.8091 | nan | 0.8091 | nan | nan | 0.0 | 0.8091 | nan | nan |
85
+ | 0.0665 | 2.0444 | 460 | 0.0820 | 0.4086 | 0.8172 | 0.8172 | nan | 0.8172 | nan | nan | 0.0 | 0.8172 | nan | nan |
86
+ | 0.0809 | 2.1333 | 480 | 0.0775 | 0.4296 | 0.8591 | 0.8591 | nan | 0.8591 | nan | nan | 0.0 | 0.8591 | nan | nan |
87
+ | 0.0625 | 2.2222 | 500 | 0.0783 | 0.4388 | 0.8776 | 0.8776 | nan | 0.8776 | nan | nan | 0.0 | 0.8776 | nan | nan |
88
+ | 0.0765 | 2.3111 | 520 | 0.0806 | 0.4566 | 0.9131 | 0.9131 | nan | 0.9131 | nan | nan | 0.0 | 0.9131 | nan | nan |
89
+ | 0.1286 | 2.4 | 540 | 0.0698 | 0.4221 | 0.8441 | 0.8441 | nan | 0.8441 | nan | nan | 0.0 | 0.8441 | nan | nan |
90
+ | 0.0586 | 2.4889 | 560 | 0.0643 | 0.4162 | 0.8324 | 0.8324 | nan | 0.8324 | nan | nan | 0.0 | 0.8324 | nan | nan |
91
+ | 0.0495 | 2.5778 | 580 | 0.0609 | 0.4256 | 0.8511 | 0.8511 | nan | 0.8511 | nan | nan | 0.0 | 0.8511 | nan | nan |
92
+ | 0.0525 | 2.6667 | 600 | 0.0617 | 0.4296 | 0.8593 | 0.8593 | nan | 0.8593 | nan | nan | 0.0 | 0.8593 | nan | nan |
93
+ | 0.0476 | 2.7556 | 620 | 0.0648 | 0.4444 | 0.8887 | 0.8887 | nan | 0.8887 | nan | nan | 0.0 | 0.8887 | nan | nan |
94
+ | 0.057 | 2.8444 | 640 | 0.0609 | 0.4337 | 0.8674 | 0.8674 | nan | 0.8674 | nan | nan | 0.0 | 0.8674 | nan | nan |
95
+ | 0.0442 | 2.9333 | 660 | 0.0638 | 0.4017 | 0.8035 | 0.8035 | nan | 0.8035 | nan | nan | 0.0 | 0.8035 | nan | nan |
96
+ | 0.0627 | 3.0222 | 680 | 0.0671 | 0.4646 | 0.9291 | 0.9291 | nan | 0.9291 | nan | nan | 0.0 | 0.9291 | nan | nan |
97
+ | 0.0508 | 3.1111 | 700 | 0.0597 | 0.4591 | 0.9182 | 0.9182 | nan | 0.9182 | nan | nan | 0.0 | 0.9182 | nan | nan |
98
+ | 0.095 | 3.2 | 720 | 0.0538 | 0.4531 | 0.9062 | 0.9062 | nan | 0.9062 | nan | nan | 0.0 | 0.9062 | nan | nan |
99
+ | 0.0604 | 3.2889 | 740 | 0.0536 | 0.4361 | 0.8723 | 0.8723 | nan | 0.8723 | nan | nan | 0.0 | 0.8723 | nan | nan |
100
+ | 0.0265 | 3.3778 | 760 | 0.0547 | 0.4440 | 0.8879 | 0.8879 | nan | 0.8879 | nan | nan | 0.0 | 0.8879 | nan | nan |
101
+ | 0.0503 | 3.4667 | 780 | 0.0524 | 0.4230 | 0.8461 | 0.8461 | nan | 0.8461 | nan | nan | 0.0 | 0.8461 | nan | nan |
102
+ | 0.0322 | 3.5556 | 800 | 0.0559 | 0.4479 | 0.8959 | 0.8959 | nan | 0.8959 | nan | nan | 0.0 | 0.8959 | nan | nan |
103
+ | 0.0419 | 3.6444 | 820 | 0.0548 | 0.4224 | 0.8449 | 0.8449 | nan | 0.8449 | nan | nan | 0.0 | 0.8449 | nan | nan |
104
+ | 0.2717 | 3.7333 | 840 | 0.0499 | 0.4384 | 0.8769 | 0.8769 | nan | 0.8769 | nan | nan | 0.0 | 0.8769 | nan | nan |
105
+ | 0.0382 | 3.8222 | 860 | 0.0501 | 0.4555 | 0.9111 | 0.9111 | nan | 0.9111 | nan | nan | 0.0 | 0.9111 | nan | nan |
106
+ | 0.0471 | 3.9111 | 880 | 0.0504 | 0.4365 | 0.8731 | 0.8731 | nan | 0.8731 | nan | nan | 0.0 | 0.8731 | nan | nan |
107
+ | 0.0328 | 4.0 | 900 | 0.0498 | 0.4437 | 0.8874 | 0.8874 | nan | 0.8874 | nan | nan | 0.0 | 0.8874 | nan | nan |
108
+ | 0.0538 | 4.0889 | 920 | 0.0471 | 0.4210 | 0.8420 | 0.8420 | nan | 0.8420 | nan | nan | 0.0 | 0.8420 | nan | nan |
109
+ | 0.0302 | 4.1778 | 940 | 0.0446 | 0.4246 | 0.8493 | 0.8493 | nan | 0.8493 | nan | nan | 0.0 | 0.8493 | nan | nan |
110
+ | 0.0221 | 4.2667 | 960 | 0.0450 | 0.4475 | 0.8950 | 0.8950 | nan | 0.8950 | nan | nan | 0.0 | 0.8950 | nan | nan |
111
+ | 0.0208 | 4.3556 | 980 | 0.0512 | 0.4638 | 0.9276 | 0.9276 | nan | 0.9276 | nan | nan | 0.0 | 0.9276 | nan | nan |
112
+ | 0.0771 | 4.4444 | 1000 | 0.0473 | 0.4615 | 0.9229 | 0.9229 | nan | 0.9229 | nan | nan | 0.0 | 0.9229 | nan | nan |
113
+ | 0.0274 | 4.5333 | 1020 | 0.0427 | 0.4499 | 0.8998 | 0.8998 | nan | 0.8998 | nan | nan | 0.0 | 0.8998 | nan | nan |
114
+ | 0.0323 | 4.6222 | 1040 | 0.0448 | 0.4561 | 0.9122 | 0.9122 | nan | 0.9122 | nan | nan | 0.0 | 0.9122 | nan | nan |
115
+ | 0.0293 | 4.7111 | 1060 | 0.0433 | 0.4445 | 0.8889 | 0.8889 | nan | 0.8889 | nan | nan | 0.0 | 0.8889 | nan | nan |
116
+ | 0.0238 | 4.8 | 1080 | 0.0472 | 0.4612 | 0.9224 | 0.9224 | nan | 0.9224 | nan | nan | 0.0 | 0.9224 | nan | nan |
117
+ | 0.033 | 4.8889 | 1100 | 0.0459 | 0.4572 | 0.9145 | 0.9145 | nan | 0.9145 | nan | nan | 0.0 | 0.9145 | nan | nan |
118
+ | 0.0154 | 4.9778 | 1120 | 0.0418 | 0.4536 | 0.9072 | 0.9072 | nan | 0.9072 | nan | nan | 0.0 | 0.9072 | nan | nan |
119
+ | 0.1945 | 5.0667 | 1140 | 0.0473 | 0.4683 | 0.9365 | 0.9365 | nan | 0.9365 | nan | nan | 0.0 | 0.9365 | nan | nan |
120
+ | 0.0467 | 5.1556 | 1160 | 0.0395 | 0.4419 | 0.8838 | 0.8838 | nan | 0.8838 | nan | nan | 0.0 | 0.8838 | nan | nan |
121
+ | 0.0477 | 5.2444 | 1180 | 0.0409 | 0.4489 | 0.8977 | 0.8977 | nan | 0.8977 | nan | nan | 0.0 | 0.8977 | nan | nan |
122
+ | 0.0313 | 5.3333 | 1200 | 0.0428 | 0.4717 | 0.9434 | 0.9434 | nan | 0.9434 | nan | nan | 0.0 | 0.9434 | nan | nan |
123
+ | 0.0377 | 5.4222 | 1220 | 0.0409 | 0.4433 | 0.8867 | 0.8867 | nan | 0.8867 | nan | nan | 0.0 | 0.8867 | nan | nan |
124
+ | 0.0216 | 5.5111 | 1240 | 0.0395 | 0.4513 | 0.9027 | 0.9027 | nan | 0.9027 | nan | nan | 0.0 | 0.9027 | nan | nan |
125
+ | 0.0167 | 5.6 | 1260 | 0.0374 | 0.4462 | 0.8924 | 0.8924 | nan | 0.8924 | nan | nan | 0.0 | 0.8924 | nan | nan |
126
+ | 0.0134 | 5.6889 | 1280 | 0.0399 | 0.4332 | 0.8664 | 0.8664 | nan | 0.8664 | nan | nan | 0.0 | 0.8664 | nan | nan |
127
+ | 0.0528 | 5.7778 | 1300 | 0.0382 | 0.4517 | 0.9034 | 0.9034 | nan | 0.9034 | nan | nan | 0.0 | 0.9034 | nan | nan |
128
+ | 0.0595 | 5.8667 | 1320 | 0.0409 | 0.4302 | 0.8604 | 0.8604 | nan | 0.8604 | nan | nan | 0.0 | 0.8604 | nan | nan |
129
+ | 0.1955 | 5.9556 | 1340 | 0.0398 | 0.4618 | 0.9236 | 0.9236 | nan | 0.9236 | nan | nan | 0.0 | 0.9236 | nan | nan |
130
+ | 0.0535 | 6.0444 | 1360 | 0.0388 | 0.4614 | 0.9228 | 0.9228 | nan | 0.9228 | nan | nan | 0.0 | 0.9228 | nan | nan |
131
+ | 0.0168 | 6.1333 | 1380 | 0.0384 | 0.4525 | 0.9050 | 0.9050 | nan | 0.9050 | nan | nan | 0.0 | 0.9050 | nan | nan |
132
+ | 0.0231 | 6.2222 | 1400 | 0.0365 | 0.4681 | 0.9362 | 0.9362 | nan | 0.9362 | nan | nan | 0.0 | 0.9362 | nan | nan |
133
+ | 0.0154 | 6.3111 | 1420 | 0.0396 | 0.4265 | 0.8530 | 0.8530 | nan | 0.8530 | nan | nan | 0.0 | 0.8530 | nan | nan |
134
+ | 0.012 | 6.4 | 1440 | 0.0379 | 0.4641 | 0.9283 | 0.9283 | nan | 0.9283 | nan | nan | 0.0 | 0.9283 | nan | nan |
135
+ | 0.0244 | 6.4889 | 1460 | 0.0426 | 0.4315 | 0.8629 | 0.8629 | nan | 0.8629 | nan | nan | 0.0 | 0.8629 | nan | nan |
136
+ | 0.02 | 6.5778 | 1480 | 0.0415 | 0.4384 | 0.8768 | 0.8768 | nan | 0.8768 | nan | nan | 0.0 | 0.8768 | nan | nan |
137
+ | 0.0173 | 6.6667 | 1500 | 0.0394 | 0.4467 | 0.8935 | 0.8935 | nan | 0.8935 | nan | nan | 0.0 | 0.8935 | nan | nan |
138
+ | 0.0265 | 6.7556 | 1520 | 0.0412 | 0.4489 | 0.8978 | 0.8978 | nan | 0.8978 | nan | nan | 0.0 | 0.8978 | nan | nan |
139
+ | 0.009 | 6.8444 | 1540 | 0.0400 | 0.4479 | 0.8958 | 0.8958 | nan | 0.8958 | nan | nan | 0.0 | 0.8958 | nan | nan |
140
+ | 0.2838 | 6.9333 | 1560 | 0.0362 | 0.4430 | 0.8861 | 0.8861 | nan | 0.8861 | nan | nan | 0.0 | 0.8861 | nan | nan |
141
+ | 0.0128 | 7.0222 | 1580 | 0.0352 | 0.4538 | 0.9075 | 0.9075 | nan | 0.9075 | nan | nan | 0.0 | 0.9075 | nan | nan |
142
+ | 0.0172 | 7.1111 | 1600 | 0.0362 | 0.4413 | 0.8826 | 0.8826 | nan | 0.8826 | nan | nan | 0.0 | 0.8826 | nan | nan |
143
+ | 0.0101 | 7.2 | 1620 | 0.0363 | 0.4456 | 0.8913 | 0.8913 | nan | 0.8913 | nan | nan | 0.0 | 0.8913 | nan | nan |
144
+ | 0.0246 | 7.2889 | 1640 | 0.0375 | 0.4540 | 0.9080 | 0.9080 | nan | 0.9080 | nan | nan | 0.0 | 0.9080 | nan | nan |
145
+ | 0.024 | 7.3778 | 1660 | 0.0371 | 0.4539 | 0.9078 | 0.9078 | nan | 0.9078 | nan | nan | 0.0 | 0.9078 | nan | nan |
146
+ | 0.012 | 7.4667 | 1680 | 0.0383 | 0.4416 | 0.8832 | 0.8832 | nan | 0.8832 | nan | nan | 0.0 | 0.8832 | nan | nan |
147
+ | 0.0328 | 7.5556 | 1700 | 0.0359 | 0.4543 | 0.9086 | 0.9086 | nan | 0.9086 | nan | nan | 0.0 | 0.9086 | nan | nan |
148
+ | 0.0277 | 7.6444 | 1720 | 0.0395 | 0.4661 | 0.9321 | 0.9321 | nan | 0.9321 | nan | nan | 0.0 | 0.9321 | nan | nan |
149
+ | 0.0722 | 7.7333 | 1740 | 0.0344 | 0.4552 | 0.9103 | 0.9103 | nan | 0.9103 | nan | nan | 0.0 | 0.9103 | nan | nan |
150
+ | 0.017 | 7.8222 | 1760 | 0.0343 | 0.4519 | 0.9038 | 0.9038 | nan | 0.9038 | nan | nan | 0.0 | 0.9038 | nan | nan |
151
+ | 0.0151 | 7.9111 | 1780 | 0.0354 | 0.4449 | 0.8898 | 0.8898 | nan | 0.8898 | nan | nan | 0.0 | 0.8898 | nan | nan |
152
+ | 0.0152 | 8.0 | 1800 | 0.0379 | 0.4363 | 0.8726 | 0.8726 | nan | 0.8726 | nan | nan | 0.0 | 0.8726 | nan | nan |
153
+ | 0.028 | 8.0889 | 1820 | 0.0365 | 0.4577 | 0.9153 | 0.9153 | nan | 0.9153 | nan | nan | 0.0 | 0.9153 | nan | nan |
154
+ | 0.0194 | 8.1778 | 1840 | 0.0394 | 0.4658 | 0.9317 | 0.9317 | nan | 0.9317 | nan | nan | 0.0 | 0.9317 | nan | nan |
155
+ | 0.0134 | 8.2667 | 1860 | 0.0384 | 0.4462 | 0.8923 | 0.8923 | nan | 0.8923 | nan | nan | 0.0 | 0.8923 | nan | nan |
156
+ | 0.0576 | 8.3556 | 1880 | 0.0389 | 0.4537 | 0.9074 | 0.9074 | nan | 0.9074 | nan | nan | 0.0 | 0.9074 | nan | nan |
157
+ | 0.0184 | 8.4444 | 1900 | 0.0384 | 0.4591 | 0.9182 | 0.9182 | nan | 0.9182 | nan | nan | 0.0 | 0.9182 | nan | nan |
158
+ | 0.5311 | 8.5333 | 1920 | 0.0342 | 0.4566 | 0.9132 | 0.9132 | nan | 0.9132 | nan | nan | 0.0 | 0.9132 | nan | nan |
159
+ | 0.0388 | 8.6222 | 1940 | 0.0350 | 0.4642 | 0.9285 | 0.9285 | nan | 0.9285 | nan | nan | 0.0 | 0.9285 | nan | nan |
160
+ | 0.0261 | 8.7111 | 1960 | 0.0361 | 0.4419 | 0.8839 | 0.8839 | nan | 0.8839 | nan | nan | 0.0 | 0.8839 | nan | nan |
161
+ | 0.0133 | 8.8 | 1980 | 0.0380 | 0.4691 | 0.9383 | 0.9383 | nan | 0.9383 | nan | nan | 0.0 | 0.9383 | nan | nan |
162
+ | 0.0124 | 8.8889 | 2000 | 0.0359 | 0.4648 | 0.9295 | 0.9295 | nan | 0.9295 | nan | nan | 0.0 | 0.9295 | nan | nan |
163
+ | 0.0246 | 8.9778 | 2020 | 0.0380 | 0.4629 | 0.9259 | 0.9259 | nan | 0.9259 | nan | nan | 0.0 | 0.9259 | nan | nan |
164
+ | 0.0162 | 9.0667 | 2040 | 0.0374 | 0.4511 | 0.9022 | 0.9022 | nan | 0.9022 | nan | nan | 0.0 | 0.9022 | nan | nan |
165
+ | 0.0551 | 9.1556 | 2060 | 0.0346 | 0.4485 | 0.8970 | 0.8970 | nan | 0.8970 | nan | nan | 0.0 | 0.8970 | nan | nan |
166
+ | 0.0185 | 9.2444 | 2080 | 0.0337 | 0.4542 | 0.9085 | 0.9085 | nan | 0.9085 | nan | nan | 0.0 | 0.9085 | nan | nan |
167
+ | 0.0119 | 9.3333 | 2100 | 0.0349 | 0.4546 | 0.9091 | 0.9091 | nan | 0.9091 | nan | nan | 0.0 | 0.9091 | nan | nan |
168
+ | 0.1154 | 9.4222 | 2120 | 0.0367 | 0.4488 | 0.8976 | 0.8976 | nan | 0.8976 | nan | nan | 0.0 | 0.8976 | nan | nan |
169
+ | 0.0063 | 9.5111 | 2140 | 0.0371 | 0.4600 | 0.9201 | 0.9201 | nan | 0.9201 | nan | nan | 0.0 | 0.9201 | nan | nan |
170
+ | 0.0105 | 9.6 | 2160 | 0.0380 | 0.4437 | 0.8874 | 0.8874 | nan | 0.8874 | nan | nan | 0.0 | 0.8874 | nan | nan |
171
+ | 0.0324 | 9.6889 | 2180 | 0.0376 | 0.4478 | 0.8956 | 0.8956 | nan | 0.8956 | nan | nan | 0.0 | 0.8956 | nan | nan |
172
+ | 0.0252 | 9.7778 | 2200 | 0.0382 | 0.4395 | 0.8791 | 0.8791 | nan | 0.8791 | nan | nan | 0.0 | 0.8791 | nan | nan |
173
+ | 0.0085 | 9.8667 | 2220 | 0.0406 | 0.4368 | 0.8736 | 0.8736 | nan | 0.8736 | nan | nan | 0.0 | 0.8736 | nan | nan |
174
+ | 0.0137 | 9.9556 | 2240 | 0.0408 | 0.4597 | 0.9195 | 0.9195 | nan | 0.9195 | nan | nan | 0.0 | 0.9195 | nan | nan |
175
+ | 0.0164 | 10.0444 | 2260 | 0.0373 | 0.4468 | 0.8936 | 0.8936 | nan | 0.8936 | nan | nan | 0.0 | 0.8936 | nan | nan |
176
+ | 0.0068 | 10.1333 | 2280 | 0.0369 | 0.4509 | 0.9018 | 0.9018 | nan | 0.9018 | nan | nan | 0.0 | 0.9018 | nan | nan |
177
+ | 0.0093 | 10.2222 | 2300 | 0.0422 | 0.4380 | 0.8760 | 0.8760 | nan | 0.8760 | nan | nan | 0.0 | 0.8760 | nan | nan |
178
+ | 0.018 | 10.3111 | 2320 | 0.0389 | 0.4491 | 0.8981 | 0.8981 | nan | 0.8981 | nan | nan | 0.0 | 0.8981 | nan | nan |
179
+ | 0.0268 | 10.4 | 2340 | 0.0372 | 0.4398 | 0.8796 | 0.8796 | nan | 0.8796 | nan | nan | 0.0 | 0.8796 | nan | nan |
180
+ | 0.008 | 10.4889 | 2360 | 0.0381 | 0.4390 | 0.8781 | 0.8781 | nan | 0.8781 | nan | nan | 0.0 | 0.8781 | nan | nan |
181
+ | 0.0079 | 10.5778 | 2380 | 0.0380 | 0.4454 | 0.8909 | 0.8909 | nan | 0.8909 | nan | nan | 0.0 | 0.8909 | nan | nan |
182
+ | 0.0219 | 10.6667 | 2400 | 0.0366 | 0.4545 | 0.9090 | 0.9090 | nan | 0.9090 | nan | nan | 0.0 | 0.9090 | nan | nan |
183
+ | 0.0105 | 10.7556 | 2420 | 0.0394 | 0.4387 | 0.8774 | 0.8774 | nan | 0.8774 | nan | nan | 0.0 | 0.8774 | nan | nan |
184
+ | 0.0158 | 10.8444 | 2440 | 0.0370 | 0.4492 | 0.8984 | 0.8984 | nan | 0.8984 | nan | nan | 0.0 | 0.8984 | nan | nan |
185
+ | 0.0615 | 10.9333 | 2460 | 0.0379 | 0.4430 | 0.8859 | 0.8859 | nan | 0.8859 | nan | nan | 0.0 | 0.8859 | nan | nan |
186
+ | 0.0116 | 11.0222 | 2480 | 0.0364 | 0.4523 | 0.9046 | 0.9046 | nan | 0.9046 | nan | nan | 0.0 | 0.9046 | nan | nan |
187
+ | 0.016 | 11.1111 | 2500 | 0.0361 | 0.4597 | 0.9193 | 0.9193 | nan | 0.9193 | nan | nan | 0.0 | 0.9193 | nan | nan |
188
+ | 0.0157 | 11.2 | 2520 | 0.0356 | 0.4498 | 0.8996 | 0.8996 | nan | 0.8996 | nan | nan | 0.0 | 0.8996 | nan | nan |
189
+ | 0.0093 | 11.2889 | 2540 | 0.0366 | 0.4506 | 0.9011 | 0.9011 | nan | 0.9011 | nan | nan | 0.0 | 0.9011 | nan | nan |
190
+ | 0.0186 | 11.3778 | 2560 | 0.0370 | 0.4465 | 0.8929 | 0.8929 | nan | 0.8929 | nan | nan | 0.0 | 0.8929 | nan | nan |
191
+ | 0.1004 | 11.4667 | 2580 | 0.0382 | 0.4493 | 0.8987 | 0.8987 | nan | 0.8987 | nan | nan | 0.0 | 0.8987 | nan | nan |
192
+ | 0.032 | 11.5556 | 2600 | 0.0376 | 0.4506 | 0.9012 | 0.9012 | nan | 0.9012 | nan | nan | 0.0 | 0.9012 | nan | nan |
193
+ | 0.0314 | 11.6444 | 2620 | 0.0370 | 0.4539 | 0.9078 | 0.9078 | nan | 0.9078 | nan | nan | 0.0 | 0.9078 | nan | nan |
194
+ | 0.0475 | 11.7333 | 2640 | 0.0368 | 0.4423 | 0.8846 | 0.8846 | nan | 0.8846 | nan | nan | 0.0 | 0.8846 | nan | nan |
195
+ | 0.0083 | 11.8222 | 2660 | 0.0369 | 0.4493 | 0.8986 | 0.8986 | nan | 0.8986 | nan | nan | 0.0 | 0.8986 | nan | nan |
196
+ | 0.0166 | 11.9111 | 2680 | 0.0363 | 0.4531 | 0.9062 | 0.9062 | nan | 0.9062 | nan | nan | 0.0 | 0.9062 | nan | nan |
197
+ | 0.0111 | 12.0 | 2700 | 0.0355 | 0.4512 | 0.9025 | 0.9025 | nan | 0.9025 | nan | nan | 0.0 | 0.9025 | nan | nan |
198
+ | 0.0105 | 12.0889 | 2720 | 0.0360 | 0.4480 | 0.8961 | 0.8961 | nan | 0.8961 | nan | nan | 0.0 | 0.8961 | nan | nan |
199
+ | 0.0094 | 12.1778 | 2740 | 0.0361 | 0.4560 | 0.9120 | 0.9120 | nan | 0.9120 | nan | nan | 0.0 | 0.9120 | nan | nan |
200
+ | 0.022 | 12.2667 | 2760 | 0.0363 | 0.4496 | 0.8993 | 0.8993 | nan | 0.8993 | nan | nan | 0.0 | 0.8993 | nan | nan |
201
+ | 0.0052 | 12.3556 | 2780 | 0.0369 | 0.4483 | 0.8966 | 0.8966 | nan | 0.8966 | nan | nan | 0.0 | 0.8966 | nan | nan |
202
+ | 0.0271 | 12.4444 | 2800 | 0.0367 | 0.4478 | 0.8956 | 0.8956 | nan | 0.8956 | nan | nan | 0.0 | 0.8956 | nan | nan |
203
+ | 0.016 | 12.5333 | 2820 | 0.0367 | 0.4510 | 0.9021 | 0.9021 | nan | 0.9021 | nan | nan | 0.0 | 0.9021 | nan | nan |
204
+ | 0.0105 | 12.6222 | 2840 | 0.0365 | 0.4479 | 0.8959 | 0.8959 | nan | 0.8959 | nan | nan | 0.0 | 0.8959 | nan | nan |
205
+ | 0.101 | 12.7111 | 2860 | 0.0362 | 0.4476 | 0.8953 | 0.8953 | nan | 0.8953 | nan | nan | 0.0 | 0.8953 | nan | nan |
206
+ | 0.0794 | 12.8 | 2880 | 0.0365 | 0.4423 | 0.8846 | 0.8846 | nan | 0.8846 | nan | nan | 0.0 | 0.8846 | nan | nan |
207
+ | 0.0119 | 12.8889 | 2900 | 0.0362 | 0.4480 | 0.8960 | 0.8960 | nan | 0.8960 | nan | nan | 0.0 | 0.8960 | nan | nan |
208
+ | 0.0135 | 12.9778 | 2920 | 0.0356 | 0.4482 | 0.8964 | 0.8964 | nan | 0.8964 | nan | nan | 0.0 | 0.8964 | nan | nan |
209
+
210
+
211
+ ### Framework versions
212
+
213
+ - Transformers 4.47.1
214
+ - Pytorch 2.5.1+cu124
215
+ - Datasets 3.2.0
216
+ - Tokenizers 0.21.0
config.json ADDED
@@ -0,0 +1,82 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "nvidia/mit-b0",
3
+ "architectures": [
4
+ "SegformerForSemanticSegmentation"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.0,
7
+ "classifier_dropout_prob": 0.1,
8
+ "decoder_hidden_size": 256,
9
+ "depths": [
10
+ 2,
11
+ 2,
12
+ 2,
13
+ 2
14
+ ],
15
+ "downsampling_rates": [
16
+ 1,
17
+ 4,
18
+ 8,
19
+ 16
20
+ ],
21
+ "drop_path_rate": 0.1,
22
+ "hidden_act": "gelu",
23
+ "hidden_dropout_prob": 0.0,
24
+ "hidden_sizes": [
25
+ 32,
26
+ 64,
27
+ 160,
28
+ 256
29
+ ],
30
+ "id2label": {
31
+ "0": "unknown",
32
+ "1": "background",
33
+ "2": "windows",
34
+ "3": "doors"
35
+ },
36
+ "image_size": 224,
37
+ "initializer_range": 0.02,
38
+ "label2id": {
39
+ "background": 1,
40
+ "doors": 3,
41
+ "unknown": 0,
42
+ "windows": 2
43
+ },
44
+ "layer_norm_eps": 1e-06,
45
+ "mlp_ratios": [
46
+ 4,
47
+ 4,
48
+ 4,
49
+ 4
50
+ ],
51
+ "model_type": "segformer",
52
+ "num_attention_heads": [
53
+ 1,
54
+ 2,
55
+ 5,
56
+ 8
57
+ ],
58
+ "num_channels": 3,
59
+ "num_encoder_blocks": 4,
60
+ "patch_sizes": [
61
+ 7,
62
+ 3,
63
+ 3,
64
+ 3
65
+ ],
66
+ "reshape_last_stage": true,
67
+ "semantic_loss_ignore_index": 255,
68
+ "sr_ratios": [
69
+ 8,
70
+ 4,
71
+ 2,
72
+ 1
73
+ ],
74
+ "strides": [
75
+ 4,
76
+ 2,
77
+ 2,
78
+ 2
79
+ ],
80
+ "torch_dtype": "float32",
81
+ "transformers_version": "4.47.1"
82
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1b95fb4c202161859117a8e5b95aa183bf59dd4e31dea0199e326f1a13f27a86
3
+ size 14886832
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:51b926d0c6848576dd53d4366824d577486b98792a484aa2181d304052103dd0
3
+ size 5368