rtdetr-r50-cppe5-finetune
Este modelo es una versión ajustada de PekingU/rtdetr_r50vd_coco_o365 en un conjunto de datos desconocido. Alcanza los siguientes resultados en el conjunto de evaluación: Pérdida: 9.7524, Map: 0.5298, Map 50: 0.7903, Map 75: 0.5632, Map Pequeño: 0.5092, Map Medio: 0.4212, Map Grande: 0.6655, Mar 1: 0.4001, Mar 10: 0.6526, Mar 100: 0.711, Mar Pequeño: 0.6038, Mar Medio: 0.5835, Mar Grande: 0.8378, Map Global: 0.6271, Mar 100 Global: 0.8308, Map Face Shield: 0.4839, Mar 100 Face Shield: 0.7706, Map Gloves: 0.5775, Mar 100 Gloves: 0.6492, Map Goggles: 0.425, Mar 100 Goggles: 0.6103, Map Mask: 0.5354, Mar 100 Mask: 0.6941
Como usar
Los siguientes hiperparámetros se utilizaron 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: linear
lr_scheduler_warmup_steps: 300
num_epochs: 10
Funcionalidades
- Detección de objetos
- Transformers
- Safetensors
- Generado desde Trainer
- Pérdida: 9.7524
- Map: 0.5298
- Map 50: 0.7903
- Map 75: 0.5632
- Map Pequeño: 0.5092
- Map Medio: 0.4212
- Map Grande: 0.6655
- Mar 1: 0.4001
- Mar 10: 0.6526
- Mar 100: 0.711
- Mar Pequeño: 0.6038
- Mar Medio: 0.5835
- Mar Grande: 0.8378
- Map Global: 0.6271
- Mar 100 Global: 0.8308
- Map Face Shield: 0.4839
- Mar 100 Face Shield: 0.7706
- Map Gloves: 0.5775
- Mar 100 Gloves: 0.6492
- Map Goggles: 0.425
- Mar 100 Goggles: 0.6103
- Map Mask: 0.5354
- Mar 100 Mask: 0.6941
- Transformers 4.42.0.dev0
- Pytorch 2.1.0+cu118
- Datasets 2.19.1
- Tokenizers 0.19.1
Casos de uso
- Detección de objetos en imágenes y videos
- Reconocimiento y seguimiento de objetos específicos en aplicaciones de seguridad
- Análisis automatizado de imágenes para inspección de calidad
- Aplicaciones en salud como el reconocimiento de equipos de protección personal