cdetr-cd45rb-s

polejowska

Detección de objetos

Este modelo es una versión afinada de microsoft/conditional-detr-resnet-50 en el dataset None. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 2.0136.

Como usar

Procedimiento de entrenamiento
Hiperparámetros de entrenamiento
Los siguientes hiperparámetros se utilizaron durante el entrenamiento:

learning_rate: 0.0001
train_batch_size: 4
eval_batch_size: 8
seed: 42
optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Resultados del entrenamiento
Pérdida de entrenamiento
| Epoch | Step | Validation Loss |
|-------|------|----------------|
| 1.0   | 242  | 2.2146         |
| 2.0   | 484  | 2.1106         |
| 3.0   | 726  | 2.1456         |
| 4.0   | 968  | 2.0863         |
| 5.0   | 1210 | 2.0294         |
| 6.0   | 1452 | 2.0859         |
| 7.0   | 1694 | 2.0731         |
| 8.0   | 1936 | 2.1052         |
| 9.0   | 2178 | 2.0378         |
| 10.0  | 2420 | 2.0136         |
Versiones del framework

Transformers 4.28.1
Pytorch 2.0.0+cu118
Datasets 2.12.0
Tokenizers 0.13.3

Funcionalidades

Detección de objetos
Transformers
PyTorch
Generado a partir de Trainer

Casos de uso

Implementación de detección de objetos en imágenes
Aplicaciones de visión artificial que requieren detección precisa de objetos