deta-cd45rb-4ah-4l

polejowska

Detección de objetos

Este modelo es una versión ajustada de jozhang97/deta-swin-large en el conjunto de datos cd45rb_nan_xywh. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 4.3723. Más información necesaria sobre la descripción del modelo, los usos previstos y las limitaciones, y los datos de entrenamiento y evaluación.

Como usar

Model card: 
Model description

Más información necesaria

Intended uses & limitations

Más información necesaria

Training and evaluation data

Más información necesaria

Training procedure

Training hyperparameters

Se utilizaron los siguientes hiperparámetros durante el entrenamiento:

* learning_rate: 1e-06
* 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
* mixed_precision_training: Native AMP

Training results

Training Loss

* Epoch: 1.0, Step: 4606, Validation Loss: 5.5818
* Epoch: 2.0, Step: 9212, Validation Loss: 5.5327
* Epoch: 3.0, Step: 13818, Validation Loss: 5.3539
* Epoch: 4.0, Step: 18424, Validation Loss: 5.1552
* Epoch: 5.0, Step: 23030, Validation Loss: 4.9679
* Epoch: 6.0, Step: 27636, Validation Loss: 4.7824
* Epoch: 7.0, Step: 32242, Validation Loss: 4.5919
* Epoch: 8.0, Step: 36848, Validation Loss: 4.4415
* Epoch: 9.0, Step: 41454, Validation Loss: 4.4006
* Epoch: 10.0, Step: 46060, Validation Loss: 4.3723

Framework versions

* Transformers: 4.28.0
* PyTorch: 2.0.1
* Datasets: 2.12.0
* Tokenizers: 0.13.3

Inference API Object Detection: Este modelo no tiene suficiente actividad para ser desplegado en Inference API (serverless) aún. Aumenta su visibilidad social y vuelve a chequear más adelante, o despliega a Inference Endpoints (dedicado) en su lugar.

Funcionalidades

Detección de objetos
Transformers
PyTorch

Casos de uso

Detección de objetos en imágenes