You can deploy this model and start earning money today!

sungile/
custom-object-test7

Name: custom-object-test7
Rating: 2.5 (7 reviews)

generated_from_trainer

Views

No views yet

custom-object-test7

This model is a fine-tuned version of nvidia/mit-b0 on the sungile/custom-object-masking5 dataset. It achieves the following results on the evaluation set:

Loss: 0.1507
Mean Iou: 0.3557
Mean Accuracy: 0.7113
Overall Accuracy: 0.7113
Accuracy Unknown: nan
Accuracy Background: 0.7113
Accuracy Object: nan
Iou Unknown: 0.0
Iou Background: 0.7113
Iou Object: 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: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 13

Training results

Training Loss	Epoch	Step	Validation Loss	Mean Iou	Mean Accuracy	Overall Accuracy	Accuracy Unknown	Accuracy Background	Accuracy Object	Iou Background	Iou Object
0.7249	0.25	20	0.9434	0.2871	0.8614	0.8614	nan	0.8614	nan	0.8614	0.0
0.7121	0.5	40	0.6610	0.3810	0.7620	0.7620	nan	0.7620	nan	0.7620	nan
0.4732	0.75	60	0.5195	0.3888	0.7775	0.7775	nan	0.7775	nan	0.7775	nan
0.5129	1.0	80	0.4134	0.2955	0.5910	0.5910	nan	0.5910	nan	0.5910	nan
0.4451	1.25	100	0.3473	0.2485	0.4971	0.4971	nan	0.4971	nan	0.4971	nan
0.4109	1.5	120	0.3279	0.2516	0.5033	0.5033	nan	0.5033	nan	0.5033	nan
0.3659	1.75	140	0.3014	0.2695	0.5391	0.5391	nan	0.5391	nan	0.5391	nan
0.2206	2.0	160	0.2773	0.2581	0.5163	0.5163	nan	0.5163	nan	0.5163	nan
0.2452	2.25	180	0.2575	0.2982	0.5964	0.5964	nan	0.5964	nan	0.5964	nan
0.2496	2.5	200	0.2523	0.3345	0.6690	0.6690	nan	0.6690	nan	0.6690	nan
0.1633	2.75	220	0.3160	0.4074	0.8149	0.8149	nan	0.8149	nan	0.8149	nan
0.1426	3.0	240	0.2242	0.3451	0.6903	0.6903	nan	0.6903	nan	0.6903	nan
0.1363	3.25	260	0.2225	0.3505	0.7010	0.7010	nan	0.7010	nan	0.7010	nan
0.1337	3.5	280	0.2229	0.3799	0.7599	0.7599	nan	0.7599	nan	0.7599	nan
0.1611	3.75	300	0.1971	0.3535	0.7070	0.7070	nan	0.7070	nan	0.7070	nan
0.1376	4.0	320	0.1835	0.3504	0.7007	0.7007	nan	0.7007	nan	0.7007	nan
0.1367	4.25	340	0.1735	0.3226	0.6453	0.6453	nan	0.6453	nan	0.6453	nan
0.1452	4.5	360	0.1689	0.3096	0.6192	0.6192	nan	0.6192	nan	0.6192	nan
0.1323	4.75	380	0.1741	0.3343	0.6685	0.6685	nan	0.6685	nan	0.6685	nan
0.1519	5.0	400	0.1647	0.3433	0.6866	0.6866	nan	0.6866	nan	0.6866	nan
0.1013	5.25	420	0.1645	0.3575	0.7149	0.7149	nan	0.7149	nan	0.7149	nan
0.0967	5.5	440	0.1645	0.3620	0.7241	0.7241	nan	0.7241	nan	0.7241	nan
0.1306	5.75	460	0.1646	0.3262	0.6523	0.6523	nan	0.6523	nan	0.6523	nan
0.2066	6.0	480	0.1600	0.3326	0.6651	0.6651	nan	0.6651	nan	0.6651	nan
0.0671	6.25	500	0.1546	0.3433	0.6867	0.6867	nan	0.6867	nan	0.6867	nan
0.0644	6.5	520	0.1612	0.3284	0.6568	0.6568	nan	0.6568	nan	0.6568	nan
0.0518	6.75	540	0.1575	0.3633	0.7266	0.7266	nan	0.7266	nan	0.7266	nan
0.086	7.0	560	0.1535	0.3490	0.6980	0.6980	nan	0.6980	nan	0.6980	nan
0.0602	7.25	580	0.1624	0.2988	0.5976	0.5976	nan	0.5976	nan	0.5976	nan
0.1332	7.5	600	0.1530	0.3532	0.7063	0.7063	nan	0.7063	nan	0.7063	nan
0.0494	7.75	620	0.1461	0.3732	0.7465	0.7465	nan	0.7465	nan	0.7465	nan
0.0685	8.0	640	0.1554	0.3198	0.6396	0.6396	nan	0.6396	nan	0.6396	nan
0.0492	8.25	660	0.1484	0.3563	0.7125	0.7125	nan	0.7125	nan	0.7125	nan
0.0525	8.5	680	0.1485	0.3341	0.6681	0.6681	nan	0.6681	nan	0.6681	nan
0.0911	8.75	700	0.1553	0.3257	0.6515	0.6515	nan	0.6515	nan	0.6515	nan
0.0493	9.0	720	0.1481	0.3598	0.7197	0.7197	nan	0.7197	nan	0.7197	nan
0.0445	9.25	740	0.1540	0.3536	0.7073	0.7073	nan	0.7073	nan	0.7073	nan
0.0723	9.5	760	0.1481	0.3461	0.6921	0.6921	nan	0.6921	nan	0.6921	nan
0.047	9.75	780	0.1479	0.3495	0.6990	0.6990	nan	0.6990	nan	0.6990	nan
0.0703	10.0	800	0.1489	0.3553	0.7106	0.7106	nan	0.7106	nan	0.7106	nan
0.0532	10.25	820	0.1475	0.3635	0.7270	0.7270	nan	0.7270	nan	0.7270	nan
0.0407	10.5	840	0.1481	0.3540	0.7079	0.7079	nan	0.7079	nan	0.7079	nan
0.0395	10.75	860	0.1545	0.3430	0.6861	0.6861	nan	0.6861	nan	0.6861	nan
0.1379	11.0	880	0.1531	0.3427	0.6854	0.6854	nan	0.6854	nan	0.6854	nan
0.0281	11.25	900	0.1483	0.3466	0.6932	0.6932	nan	0.6932	nan	0.6932	nan
0.0361	11.5	920	0.1560	0.3424	0.6848	0.6848	nan	0.6848	nan	0.6848	nan
0.0422	11.75	940	0.1494	0.3576	0.7152	0.7152	nan	0.7152	nan	0.7152	nan
0.0541	12.0	960	0.1502	0.3552	0.7105	0.7105	nan	0.7105	nan	0.7105	nan
0.0568	12.25	980	0.1549	0.3442	0.6885	0.6885	nan	0.6885	nan	0.6885	nan
0.0881	12.5	1000	0.1516	0.3481	0.6963	0.6963	nan	0.6963	nan	0.6963	nan
0.0478	12.75	1020	0.1527	0.3524	0.7047	0.7047	nan	0.7047	nan	0.7047	nan
0.0529	13.0	1040	0.1507	0.3557	0.7113	0.7113	nan	0.7113	nan	0.7113	nan

Framework versions

Transformers 4.47.1
Pytorch 2.1.0+cu118
Datasets 3.2.0
Tokenizers 0.21.0

sungile/custom-object-test7

custom-object-test7

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

sungile/
custom-object-test7