Hugging Face's logo

Vrjb
/
SegFormer_b3

Image Segmentation
Transformers
Safetensors
segformer
vision
Generated from Trainer
Inference Endpoints
Model card Files Community
Vrjb commited on
Commit
f127ed6
·
verified ·
1 Parent(s): ca072b3

Model save

Browse files
Files changed (4) hide show
  1. README.md +156 -0
  2. config.json +144 -0
  3. model.safetensors +3 -0
  4. training_args.bin +3 -0
README.md ADDED
@@ -0,0 +1,156 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ library_name: transformers
3
+ license: other
4
+ base_model: nvidia/segformer-b3-finetuned-cityscapes-1024-1024
5
+ tags:
6
+ - generated_from_trainer
7
+ model-index:
8
+ - name: SegFormer_b3
9
+ results: []
10
+ ---
11
+
12
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
13
+ should probably proofread and complete it, then remove this comment. -->
14
+
15
+ # SegFormer_b3
16
+
17
+ This model is a fine-tuned version of [nvidia/segformer-b3-finetuned-cityscapes-1024-1024](https://huggingface.co/nvidia/segformer-b3-finetuned-cityscapes-1024-1024) on an unknown dataset.
18
+ It achieves the following results on the evaluation set:
19
+ - Loss: 0.2005
20
+ - Mean Iou: 0.3978
21
+ - Mean Accuracy: 0.4656
22
+ - Overall Accuracy: 0.8945
23
+ - Accuracy Unlabeled: nan
24
+ - Accuracy Ego vehicle: nan
25
+ - Accuracy Rectification border: nan
26
+ - Accuracy Out of roi: nan
27
+ - Accuracy Static: nan
28
+ - Accuracy Dynamic: nan
29
+ - Accuracy Ground: nan
30
+ - Accuracy Road: 0.9799
31
+ - Accuracy Sidewalk: 0.8107
32
+ - Accuracy Parking: nan
33
+ - Accuracy Rail track: nan
34
+ - Accuracy Building: 0.9339
35
+ - Accuracy Wall: 0.0010
36
+ - Accuracy Fence: 0.2453
37
+ - Accuracy Guard rail: nan
38
+ - Accuracy Bridge: nan
39
+ - Accuracy Tunnel: nan
40
+ - Accuracy Pole: 0.4987
41
+ - Accuracy Polegroup: nan
42
+ - Accuracy Traffic light: 0.5398
43
+ - Accuracy Traffic sign: 0.5906
44
+ - Accuracy Vegetation: 0.9314
45
+ - Accuracy Terrain: 0.5339
46
+ - Accuracy Sky: nan
47
+ - Accuracy Person: 0.7090
48
+ - Accuracy Rider: 0.0
49
+ - Accuracy Car: 0.9405
50
+ - Accuracy Truck: 0.0
51
+ - Accuracy Bus: 0.0
52
+ - Accuracy Caravan: nan
53
+ - Accuracy Trailer: nan
54
+ - Accuracy Train: 0.0
55
+ - Accuracy Motorcycle: 0.0
56
+ - Accuracy Bicycle: 0.6671
57
+ - Accuracy License plate: nan
58
+ - Iou Unlabeled: nan
59
+ - Iou Ego vehicle: nan
60
+ - Iou Rectification border: nan
61
+ - Iou Out of roi: nan
62
+ - Iou Static: nan
63
+ - Iou Dynamic: nan
64
+ - Iou Ground: nan
65
+ - Iou Road: 0.9529
66
+ - Iou Sidewalk: 0.6897
67
+ - Iou Parking: nan
68
+ - Iou Rail track: nan
69
+ - Iou Building: 0.7837
70
+ - Iou Wall: 0.0010
71
+ - Iou Fence: 0.2191
72
+ - Iou Guard rail: nan
73
+ - Iou Bridge: nan
74
+ - Iou Tunnel: nan
75
+ - Iou Pole: 0.3783
76
+ - Iou Polegroup: nan
77
+ - Iou Traffic light: 0.4123
78
+ - Iou Traffic sign: 0.5102
79
+ - Iou Vegetation: 0.8518
80
+ - Iou Terrain: 0.4632
81
+ - Iou Sky: nan
82
+ - Iou Person: 0.5619
83
+ - Iou Rider: 0.0
84
+ - Iou Car: 0.8270
85
+ - Iou Truck: 0.0
86
+ - Iou Bus: 0.0
87
+ - Iou Caravan: nan
88
+ - Iou Trailer: nan
89
+ - Iou Train: 0.0
90
+ - Iou Motorcycle: 0.0
91
+ - Iou Bicycle: 0.5085
92
+ - Iou License plate: nan
93
+
94
+ ## Model description
95
+
96
+ More information needed
97
+
98
+ ## Intended uses & limitations
99
+
100
+ More information needed
101
+
102
+ ## Training and evaluation data
103
+
104
+ More information needed
105
+
106
+ ## Training procedure
107
+
108
+ ### Training hyperparameters
109
+
110
+ The following hyperparameters were used during training:
111
+ - learning_rate: 0.0006
112
+ - train_batch_size: 2
113
+ - eval_batch_size: 2
114
+ - seed: 42
115
+ - gradient_accumulation_steps: 4
116
+ - total_train_batch_size: 8
117
+ - optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
118
+ - lr_scheduler_type: linear
119
+ - lr_scheduler_warmup_steps: 500
120
+ - num_epochs: 30
121
+ - mixed_precision_training: Native AMP
122
+
123
+ ### Training results
124
+
125
+ | Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Unlabeled | Accuracy Ego vehicle | Accuracy Rectification border | Accuracy Out of roi | Accuracy Static | Accuracy Dynamic | Accuracy Ground | Accuracy Road | Accuracy Sidewalk | Accuracy Parking | Accuracy Rail track | Accuracy Building | Accuracy Wall | Accuracy Fence | Accuracy Guard rail | Accuracy Bridge | Accuracy Tunnel | Accuracy Pole | Accuracy Polegroup | Accuracy Traffic light | Accuracy Traffic sign | Accuracy Vegetation | Accuracy Terrain | Accuracy Sky | Accuracy Person | Accuracy Rider | Accuracy Car | Accuracy Truck | Accuracy Bus | Accuracy Caravan | Accuracy Trailer | Accuracy Train | Accuracy Motorcycle | Accuracy Bicycle | Accuracy License plate | Iou Unlabeled | Iou Ego vehicle | Iou Rectification border | Iou Out of roi | Iou Static | Iou Dynamic | Iou Ground | Iou Road | Iou Sidewalk | Iou Parking | Iou Rail track | Iou Building | Iou Wall | Iou Fence | Iou Guard rail | Iou Bridge | Iou Tunnel | Iou Pole | Iou Polegroup | Iou Traffic light | Iou Traffic sign | Iou Vegetation | Iou Terrain | Iou Sky | Iou Person | Iou Rider | Iou Car | Iou Truck | Iou Bus | Iou Caravan | Iou Trailer | Iou Train | Iou Motorcycle | Iou Bicycle | Iou License plate |
126
+ |:-------------:|:-------:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:------------------:|:--------------------:|:-----------------------------:|:-------------------:|:---------------:|:----------------:|:---------------:|:-------------:|:-----------------:|:----------------:|:-------------------:|:-----------------:|:-------------:|:--------------:|:-------------------:|:---------------:|:---------------:|:-------------:|:------------------:|:----------------------:|:---------------------:|:-------------------:|:----------------:|:------------:|:---------------:|:--------------:|:------------:|:--------------:|:------------:|:----------------:|:----------------:|:--------------:|:-------------------:|:----------------:|:----------------------:|:-------------:|:---------------:|:------------------------:|:--------------:|:----------:|:-----------:|:----------:|:--------:|:------------:|:-----------:|:--------------:|:------------:|:--------:|:---------:|:--------------:|:----------:|:----------:|:--------:|:-------------:|:-----------------:|:----------------:|:--------------:|:-----------:|:-------:|:----------:|:---------:|:-------:|:---------:|:-------:|:-----------:|:-----------:|:---------:|:--------------:|:-----------:|:-----------------:|
127
+ | 3.6819 | 1.3333 | 100 | 0.9097 | 0.1916 | 0.2569 | 0.8080 | nan | nan | nan | nan | nan | nan | nan | 0.8821 | 0.9677 | nan | nan | 0.8524 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | 0.0 | 0.9497 | 0.0136 | nan | 0.0 | 0.0 | 0.9592 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | 0.8746 | 0.4414 | nan | nan | 0.7096 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | 0.0 | 0.7285 | 0.0136 | nan | 0.0 | 0.0 | 0.6806 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan |
128
+ | 3.5168 | 2.6667 | 200 | 0.8720 | 0.2888 | 0.3680 | 0.8630 | nan | nan | nan | nan | nan | nan | nan | 0.9708 | 0.8932 | nan | nan | 0.8868 | 0.0 | 0.0 | nan | nan | nan | 0.1774 | nan | 0.0 | 0.5643 | 0.9552 | 0.6478 | nan | 0.0595 | 0.0 | 0.9307 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.5380 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9471 | 0.6558 | nan | nan | 0.7944 | 0.0 | 0.0 | nan | nan | nan | 0.0831 | nan | 0.0 | 0.3769 | 0.7971 | 0.3345 | nan | 0.0592 | 0.0 | 0.7911 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.3599 | nan |
129
+ | 3.3612 | 4.0 | 300 | 0.8334 | 0.3763 | 0.4903 | 0.8702 | nan | nan | nan | nan | nan | nan | nan | 0.9601 | 0.8312 | nan | nan | 0.8265 | 0.1725 | 0.5157 | nan | nan | nan | 0.6467 | nan | 0.5563 | 0.6298 | 0.9128 | 0.4616 | nan | 0.8358 | 0.0 | 0.9139 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.5616 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9478 | 0.6524 | nan | nan | 0.7465 | 0.1284 | 0.2961 | nan | nan | nan | 0.2945 | nan | 0.2809 | 0.4369 | 0.8234 | 0.3469 | nan | 0.5131 | 0.0 | 0.8322 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.4733 | nan |
130
+ | 3.2937 | 5.3333 | 400 | 0.8253 | 0.3850 | 0.4920 | 0.8821 | nan | nan | nan | nan | nan | nan | nan | 0.9746 | 0.7559 | nan | nan | 0.9173 | 0.2725 | 0.4995 | nan | nan | nan | 0.4240 | nan | 0.5192 | 0.5974 | 0.8877 | 0.4622 | nan | 0.6364 | 0.2025 | 0.9565 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.7504 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9401 | 0.6195 | nan | nan | 0.8095 | 0.2138 | 0.2816 | nan | nan | nan | 0.3319 | nan | 0.3291 | 0.4741 | 0.8330 | 0.3227 | nan | 0.5108 | 0.0834 | 0.7902 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.3900 | nan |
131
+ | 3.431 | 6.6667 | 500 | 0.8247 | 0.3945 | 0.5105 | 0.8820 | nan | nan | nan | nan | nan | nan | nan | 0.9640 | 0.7894 | nan | nan | 0.8835 | 0.4637 | 0.5429 | nan | nan | nan | 0.4049 | nan | 0.4102 | 0.5474 | 0.9152 | 0.6722 | nan | 0.8082 | 0.1119 | 0.9502 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0001 | 0.7252 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9509 | 0.6575 | nan | nan | 0.8100 | 0.2296 | 0.2290 | nan | nan | nan | 0.3135 | nan | 0.3120 | 0.4647 | 0.8335 | 0.4121 | nan | 0.5200 | 0.0838 | 0.7982 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0001 | 0.4857 | nan |
132
+ | 3.3843 | 8.0 | 600 | 0.8209 | 0.4022 | 0.5317 | 0.8772 | nan | nan | nan | nan | nan | nan | nan | 0.9641 | 0.8445 | nan | nan | 0.8527 | 0.5229 | 0.3995 | nan | nan | nan | 0.5189 | nan | 0.5287 | 0.6258 | 0.9159 | 0.5684 | nan | 0.7938 | 0.2234 | 0.8978 | 0.0 | 0.0 | nan | nan | 0.0 | 0.1760 | 0.7375 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9459 | 0.6402 | nan | nan | 0.7783 | 0.2110 | 0.2458 | nan | nan | nan | 0.3486 | nan | 0.3414 | 0.3898 | 0.8342 | 0.3566 | nan | 0.5556 | 0.1658 | 0.8100 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0988 | 0.5177 | nan |
133
+ | 3.3182 | 9.3333 | 700 | 0.8220 | 0.3985 | 0.5052 | 0.8785 | nan | nan | nan | nan | nan | nan | nan | 0.9733 | 0.7402 | nan | nan | 0.9542 | 0.5008 | 0.1732 | nan | nan | nan | 0.4701 | nan | 0.5893 | 0.5403 | 0.8605 | 0.5030 | nan | 0.5798 | 0.4709 | 0.9061 | 0.0 | 0.0009 | nan | nan | 0.0 | 0.1806 | 0.6511 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9451 | 0.6274 | nan | nan | 0.7736 | 0.2133 | 0.1386 | nan | nan | nan | 0.3440 | nan | 0.3535 | 0.4812 | 0.8217 | 0.3869 | nan | 0.4984 | 0.2059 | 0.8303 | 0.0 | 0.0009 | nan | nan | 0.0 | 0.1124 | 0.4407 | nan |
134
+ | 3.3125 | 10.6667 | 800 | 0.8112 | 0.4382 | 0.5617 | 0.8918 | nan | nan | nan | nan | nan | nan | nan | 0.9826 | 0.7279 | nan | nan | 0.9156 | 0.4140 | 0.3158 | nan | nan | nan | 0.4967 | nan | 0.5814 | 0.6258 | 0.9157 | 0.4678 | nan | 0.7503 | 0.2826 | 0.9170 | 0.0 | 0.7746 | nan | nan | 0.0 | 0.2892 | 0.6542 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9465 | 0.6321 | nan | nan | 0.8218 | 0.2656 | 0.2318 | nan | nan | nan | 0.3616 | nan | 0.3687 | 0.5101 | 0.8457 | 0.3502 | nan | 0.5828 | 0.1900 | 0.8452 | 0.0 | 0.2774 | nan | nan | 0.0 | 0.1888 | 0.4696 | nan |
135
+ | 3.2327 | 12.0 | 900 | 0.8133 | 0.4324 | 0.5705 | 0.8916 | nan | nan | nan | nan | nan | nan | nan | 0.9786 | 0.7767 | nan | nan | 0.9054 | 0.4437 | 0.4810 | nan | nan | nan | 0.4592 | nan | 0.5330 | 0.5706 | 0.9423 | 0.4758 | nan | 0.5410 | 0.5342 | 0.9070 | 0.0001 | 0.5615 | nan | nan | 0.0 | 0.3271 | 0.8319 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9527 | 0.6790 | nan | nan | 0.8201 | 0.2626 | 0.2969 | nan | nan | nan | 0.3529 | nan | 0.3645 | 0.5033 | 0.8486 | 0.4007 | nan | 0.4813 | 0.1780 | 0.8190 | 0.0000 | 0.2336 | nan | nan | 0.0 | 0.1436 | 0.4468 | nan |
136
+ | 3.2772 | 13.3333 | 1000 | 0.8118 | 0.4461 | 0.5848 | 0.8900 | nan | nan | nan | nan | nan | nan | nan | 0.9675 | 0.8022 | nan | nan | 0.9057 | 0.4430 | 0.3203 | nan | nan | nan | 0.5423 | nan | 0.5617 | 0.5703 | 0.9277 | 0.4807 | nan | 0.7258 | 0.3603 | 0.8927 | 0.0017 | 0.8502 | nan | nan | 0.0 | 0.4148 | 0.7587 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9486 | 0.6491 | nan | nan | 0.8153 | 0.2935 | 0.2347 | nan | nan | nan | 0.3722 | nan | 0.3910 | 0.4541 | 0.8485 | 0.3527 | nan | 0.5648 | 0.2529 | 0.8409 | 0.0015 | 0.2668 | nan | nan | 0.0 | 0.2401 | 0.5032 | nan |
137
+ | 3.2655 | 14.6667 | 1100 | 0.8134 | 0.4439 | 0.5657 | 0.8912 | nan | nan | nan | nan | nan | nan | nan | 0.9790 | 0.6983 | nan | nan | 0.9361 | 0.4543 | 0.1532 | nan | nan | nan | 0.4737 | nan | 0.4873 | 0.6551 | 0.9270 | 0.5869 | nan | 0.6551 | 0.4939 | 0.9260 | 0.0390 | 0.5783 | nan | nan | 0.0 | 0.5178 | 0.6208 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9466 | 0.6239 | nan | nan | 0.8147 | 0.3047 | 0.1252 | nan | nan | nan | 0.3603 | nan | 0.3455 | 0.5015 | 0.8533 | 0.4609 | nan | 0.5469 | 0.2600 | 0.8242 | 0.0258 | 0.2700 | nan | nan | 0.0 | 0.2401 | 0.4863 | nan |
138
+ | 3.2841 | 16.0 | 1200 | 0.8083 | 0.4463 | 0.5656 | 0.8928 | nan | nan | nan | nan | nan | nan | nan | 0.9794 | 0.7238 | nan | nan | 0.9171 | 0.2941 | 0.4156 | nan | nan | nan | 0.5504 | nan | 0.4989 | 0.5591 | 0.9202 | 0.5055 | nan | 0.7092 | 0.4410 | 0.9395 | 0.0169 | 0.5307 | nan | nan | 0.0 | 0.4149 | 0.7651 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9494 | 0.6429 | nan | nan | 0.8227 | 0.2275 | 0.2485 | nan | nan | nan | 0.3844 | nan | 0.3722 | 0.4937 | 0.8490 | 0.4041 | nan | 0.5726 | 0.2636 | 0.8250 | 0.0150 | 0.2424 | nan | nan | 0.0 | 0.2208 | 0.4995 | nan |
139
+ | 3.1519 | 17.3333 | 1300 | 0.8058 | 0.4663 | 0.5814 | 0.9007 | nan | nan | nan | nan | nan | nan | nan | 0.9814 | 0.7657 | nan | nan | 0.9227 | 0.4211 | 0.4617 | nan | nan | nan | 0.5054 | nan | 0.5578 | 0.5573 | 0.9293 | 0.5936 | nan | 0.7432 | 0.4163 | 0.9427 | 0.0927 | 0.4866 | nan | nan | 0.0 | 0.3694 | 0.7185 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9553 | 0.6833 | nan | nan | 0.8361 | 0.2555 | 0.3345 | nan | nan | nan | 0.3743 | nan | 0.3935 | 0.4795 | 0.8537 | 0.4020 | nan | 0.5869 | 0.2941 | 0.8247 | 0.0773 | 0.2855 | nan | nan | 0.0 | 0.2297 | 0.5272 | nan |
140
+ | 3.1031 | 18.6667 | 1400 | 0.8049 | 0.4777 | 0.5844 | 0.9010 | nan | nan | nan | nan | nan | nan | nan | 0.9722 | 0.8071 | nan | nan | 0.9325 | 0.6270 | 0.2349 | nan | nan | nan | 0.5282 | nan | 0.5145 | 0.5929 | 0.9352 | 0.5315 | nan | 0.7478 | 0.2931 | 0.9271 | 0.3230 | 0.5858 | nan | nan | 0.0 | 0.3171 | 0.6497 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9538 | 0.6760 | nan | nan | 0.8228 | 0.3377 | 0.1927 | nan | nan | nan | 0.3939 | nan | 0.3957 | 0.5162 | 0.8635 | 0.4307 | nan | 0.5945 | 0.2419 | 0.8541 | 0.2123 | 0.3833 | nan | nan | 0.0 | 0.2205 | 0.5101 | nan |
141
+ | 3.3333 | 20.0 | 1500 | 0.8054 | 0.4811 | 0.6115 | 0.8993 | nan | nan | nan | nan | nan | nan | nan | 0.9740 | 0.7904 | nan | nan | 0.9272 | 0.5676 | 0.2824 | nan | nan | nan | 0.5457 | nan | 0.6234 | 0.6561 | 0.9349 | 0.5165 | nan | 0.6369 | 0.5465 | 0.9158 | 0.3922 | 0.6308 | nan | nan | 0.0 | 0.3288 | 0.7371 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9563 | 0.6802 | nan | nan | 0.8143 | 0.3653 | 0.2124 | nan | nan | nan | 0.3904 | nan | 0.4002 | 0.5414 | 0.8629 | 0.4470 | nan | 0.5301 | 0.2112 | 0.8527 | 0.2724 | 0.3989 | nan | nan | 0.0 | 0.2117 | 0.5119 | nan |
142
+ | 3.2362 | 21.3333 | 1600 | 0.7991 | 0.5111 | 0.6532 | 0.9070 | nan | nan | nan | nan | nan | nan | nan | 0.9774 | 0.8026 | nan | nan | 0.9248 | 0.5749 | 0.3866 | nan | nan | nan | 0.5371 | nan | 0.5863 | 0.6434 | 0.9322 | 0.6463 | nan | 0.7627 | 0.5056 | 0.9236 | 0.6663 | 0.8069 | nan | nan | 0.0 | 0.3910 | 0.6892 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9594 | 0.7125 | nan | nan | 0.8367 | 0.3918 | 0.3015 | nan | nan | nan | 0.3901 | nan | 0.4282 | 0.5436 | 0.8612 | 0.4851 | nan | 0.6028 | 0.2690 | 0.8571 | 0.3622 | 0.3994 | nan | nan | 0.0 | 0.2828 | 0.5153 | nan |
143
+ | 3.1479 | 22.6667 | 1700 | 0.7992 | 0.5170 | 0.6476 | 0.9075 | nan | nan | nan | nan | nan | nan | nan | 0.9795 | 0.7672 | nan | nan | 0.9306 | 0.4524 | 0.4345 | nan | nan | nan | 0.5213 | nan | 0.6093 | 0.6431 | 0.9351 | 0.6041 | nan | 0.7803 | 0.4262 | 0.9326 | 0.7119 | 0.6591 | nan | nan | 0.0 | 0.4828 | 0.7877 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9557 | 0.6830 | nan | nan | 0.8324 | 0.3471 | 0.3533 | nan | nan | nan | 0.3993 | nan | 0.4305 | 0.5529 | 0.8670 | 0.4730 | nan | 0.6137 | 0.2879 | 0.8525 | 0.3981 | 0.4231 | nan | nan | 0.0 | 0.3000 | 0.5371 | nan |
144
+ | 3.1489 | 24.0 | 1800 | 0.7998 | 0.5173 | 0.6436 | 0.9081 | nan | nan | nan | nan | nan | nan | nan | 0.9784 | 0.8081 | nan | nan | 0.9230 | 0.5567 | 0.4600 | nan | nan | nan | 0.5262 | nan | 0.5991 | 0.6540 | 0.9431 | 0.5327 | nan | 0.7243 | 0.4144 | 0.9283 | 0.6236 | 0.7156 | nan | nan | 0.0 | 0.4618 | 0.7360 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9599 | 0.7100 | nan | nan | 0.8320 | 0.4076 | 0.3320 | nan | nan | nan | 0.3948 | nan | 0.4360 | 0.5497 | 0.8660 | 0.4444 | nan | 0.5999 | 0.3002 | 0.8548 | 0.3613 | 0.3867 | nan | nan | 0.0 | 0.3235 | 0.5534 | nan |
145
+ | 3.1682 | 25.3333 | 1900 | 0.7934 | 0.5162 | 0.6289 | 0.9098 | nan | nan | nan | nan | nan | nan | nan | 0.9806 | 0.8194 | nan | nan | 0.9214 | 0.5199 | 0.4103 | nan | nan | nan | 0.5419 | nan | 0.6013 | 0.6294 | 0.9476 | 0.5769 | nan | 0.7706 | 0.4091 | 0.9344 | 0.5272 | 0.5265 | nan | nan | 0.0 | 0.4416 | 0.7617 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9611 | 0.7184 | nan | nan | 0.8347 | 0.4072 | 0.3174 | nan | nan | nan | 0.3991 | nan | 0.4310 | 0.5486 | 0.8625 | 0.4611 | nan | 0.6253 | 0.2987 | 0.8488 | 0.3765 | 0.3712 | nan | nan | 0.0 | 0.2830 | 0.5464 | nan |
146
+ | 0.78 | 26.6667 | 2000 | 0.2157 | 0.3595 | 0.4159 | 0.8783 | nan | nan | nan | nan | nan | nan | nan | 0.9785 | 0.7979 | nan | nan | 0.9516 | 0.0 | 0.0343 | nan | nan | nan | 0.4658 | nan | 0.4259 | 0.5335 | 0.8972 | 0.5503 | nan | 0.4089 | 0.0 | 0.9063 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.5356 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9412 | 0.6504 | nan | nan | 0.7485 | 0.0 | 0.0341 | nan | nan | nan | 0.3506 | nan | 0.3703 | 0.4682 | 0.8372 | 0.4311 | nan | 0.3803 | 0.0 | 0.7895 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.4696 | nan |
147
+ | 0.8695 | 28.0 | 2100 | 0.2042 | 0.3952 | 0.4621 | 0.8932 | nan | nan | nan | nan | nan | nan | nan | 0.9799 | 0.8181 | nan | nan | 0.9340 | 0.0009 | 0.3852 | nan | nan | nan | 0.4783 | nan | 0.4604 | 0.5427 | 0.9258 | 0.5914 | nan | 0.6337 | 0.0 | 0.9350 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.6333 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9504 | 0.6841 | nan | nan | 0.7884 | 0.0009 | 0.3059 | nan | nan | nan | 0.3685 | nan | 0.3815 | 0.4831 | 0.8517 | 0.4688 | nan | 0.5246 | 0.0 | 0.8075 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.4978 | nan |
148
+ | 0.6709 | 29.3333 | 2200 | 0.2005 | 0.3978 | 0.4656 | 0.8945 | nan | nan | nan | nan | nan | nan | nan | 0.9799 | 0.8107 | nan | nan | 0.9339 | 0.0010 | 0.2453 | nan | nan | nan | 0.4987 | nan | 0.5398 | 0.5906 | 0.9314 | 0.5339 | nan | 0.7090 | 0.0 | 0.9405 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.6671 | nan | nan | nan | nan | nan | nan | nan | nan | 0.9529 | 0.6897 | nan | nan | 0.7837 | 0.0010 | 0.2191 | nan | nan | nan | 0.3783 | nan | 0.4123 | 0.5102 | 0.8518 | 0.4632 | nan | 0.5619 | 0.0 | 0.8270 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.5085 | nan |
149
+
150
+
151
+ ### Framework versions
152
+
153
+ - Transformers 4.47.1
154
+ - Pytorch 2.5.1+cu121
155
+ - Datasets 3.2.0
156
+ - Tokenizers 0.21.0
config.json ADDED
@@ -0,0 +1,144 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "nvidia/segformer-b3-finetuned-cityscapes-1024-1024",
3
+ "architectures": [
4
+ "SegformerForSemanticSegmentation"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.0,
7
+ "classifier_dropout_prob": 0.1,
8
+ "decoder_hidden_size": 768,
9
+ "depths": [
10
+ 3,
11
+ 4,
12
+ 18,
13
+ 3
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
+ 64,
26
+ 128,
27
+ 320,
28
+ 512
29
+ ],
30
+ "id2label": {
31
+ "0": "unlabeled",
32
+ "1": "ego vehicle",
33
+ "2": "rectification border",
34
+ "3": "out of roi",
35
+ "4": "static",
36
+ "5": "dynamic",
37
+ "6": "ground",
38
+ "7": "road",
39
+ "8": "sidewalk",
40
+ "9": "parking",
41
+ "10": "rail track",
42
+ "11": "building",
43
+ "12": "wall",
44
+ "13": "fence",
45
+ "14": "guard rail",
46
+ "15": "bridge",
47
+ "16": "tunnel",
48
+ "17": "pole",
49
+ "18": "polegroup",
50
+ "19": "traffic light",
51
+ "20": "traffic sign",
52
+ "21": "vegetation",
53
+ "22": "terrain",
54
+ "23": "sky",
55
+ "24": "person",
56
+ "25": "rider",
57
+ "26": "car",
58
+ "27": "truck",
59
+ "28": "bus",
60
+ "29": "caravan",
61
+ "30": "trailer",
62
+ "31": "train",
63
+ "32": "motorcycle",
64
+ "33": "bicycle",
65
+ "34": "license plate"
66
+ },
67
+ "image_size": 224,
68
+ "initializer_range": 0.02,
69
+ "label2id": {
70
+ "bicycle": 33,
71
+ "bridge": 15,
72
+ "building": 11,
73
+ "bus": 28,
74
+ "car": 26,
75
+ "caravan": 29,
76
+ "dynamic": 5,
77
+ "ego vehicle": 1,
78
+ "fence": 13,
79
+ "ground": 6,
80
+ "guard rail": 14,
81
+ "license plate": 34,
82
+ "motorcycle": 32,
83
+ "out of roi": 3,
84
+ "parking": 9,
85
+ "person": 24,
86
+ "pole": 17,
87
+ "polegroup": 18,
88
+ "rail track": 10,
89
+ "rectification border": 2,
90
+ "rider": 25,
91
+ "road": 7,
92
+ "sidewalk": 8,
93
+ "sky": 23,
94
+ "static": 4,
95
+ "terrain": 22,
96
+ "traffic light": 19,
97
+ "traffic sign": 20,
98
+ "trailer": 30,
99
+ "train": 31,
100
+ "truck": 27,
101
+ "tunnel": 16,
102
+ "unlabeled": 0,
103
+ "vegetation": 21,
104
+ "wall": 12
105
+ },
106
+ "layer_norm_eps": 1e-06,
107
+ "mlp_ratios": [
108
+ 4,
109
+ 4,
110
+ 4,
111
+ 4
112
+ ],
113
+ "model_type": "segformer",
114
+ "num_attention_heads": [
115
+ 1,
116
+ 2,
117
+ 5,
118
+ 8
119
+ ],
120
+ "num_channels": 3,
121
+ "num_encoder_blocks": 4,
122
+ "patch_sizes": [
123
+ 7,
124
+ 3,
125
+ 3,
126
+ 3
127
+ ],
128
+ "reshape_last_stage": true,
129
+ "semantic_loss_ignore_index": 255,
130
+ "sr_ratios": [
131
+ 8,
132
+ 4,
133
+ 2,
134
+ 1
135
+ ],
136
+ "strides": [
137
+ 4,
138
+ 2,
139
+ 2,
140
+ 2
141
+ ],
142
+ "torch_dtype": "float32",
143
+ "transformers_version": "4.47.1"
144
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:85995e58082b43741a9f53cb6af42778ac407528fe44d6bc2953886caae6603b
3
+ size 189081292
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:25d990c1aad2d3c879efe816ff9324ebb3da92ed86d286aa34ea9851e117907e
3
+ size 5368