facebook_detr_finetuned_cppe5

ArrayDice

Detección de objetos

Este modelo es una versión afinada de facebook/detr-resnet-50 en un conjunto de datos desconocido. Este modelo es para la detección de objetos y utiliza Transformers. Algunas de sus métricas de evaluación incluyen Loss: 1.5232, Map: 0.2143, Map 50: 0.4481, Mar 1: 0.2418, y muchas más especificaciones de rendimiento.

Como usar

### Hiperparámetros de entrenamiento

Los siguientes hiperparámetros se usaron durante el entrenamiento:

- learning_rate: 5e-05
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
- lr_scheduler_type: cosine
- num_epochs: 30```

### Resultados de entrenamiento

```markdown
#### Pérdida de entrenamiento

- Época: 1, Pérdida: 2.6056
- Época: 2, Pérdida: 2.3184
- Época: 3, Pérdida: 2.2718
- Época: 4, Pérdida: 2.2070
...
- Época: 30, Pérdida: 1.5232

#### MAP y MAR

- MAP: 0.2143
- MAP 50: 0.4481
- MAP 75: 0.1932
- MAP Small: 0.0595
- MAP Medium: 0.1238
- MAP Large: 0.3317
- MAR 1: 0.2418
- MAR 10: 0.4177
- MAR 100: 0.4387

Funcionalidades

Detección de objetos
Transformers
Integración con TensorBoard
Formato Safetensors
Generado a partir de Trainer
Puntos finales de inferencia

Casos de uso

Detección de objetos en imágenes y videos
Aplicaciones de vigilancia y seguridad
Análisis y clasificación de imágenes en tiempo real
Aplicaciones en automatización robótica