Hugging Face's logo

qubvel-hf
/
rtdetr-r50-cppe5-finetune-v3

Object Detection
Transformers
Safetensors
rt_detr
Generated from Trainer
Inference Endpoints
Model card Files Community
rtdetr-r50-cppe5-finetune-v3 / README.md
qubvel-hf's picture
qubvel-hf HF staff
End of training
02f06a6 verified
preview code
|
raw
history blame
12.6 kB
metadata
base_model: PekingU/rtdetr_r50vd_coco_o365
tags:
  - generated_from_trainer
model-index:
  - name: rtdetr-r50-cppe5-finetune-v3
    results: []

rtdetr-r50-cppe5-finetune-v3

This model is a fine-tuned version of PekingU/rtdetr_r50vd_coco_o365 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 10.9472
  • Map: 0.3704
  • Map 50: 0.5798
  • Map 75: 0.3751
  • Map Small: 0.1898
  • Map Medium: 0.3794
  • Map Large: 0.4798
  • Mar 1: 0.3002
  • Mar 10: 0.5262
  • Mar 100: 0.6137
  • Mar Small: 0.4445
  • Mar Medium: 0.5564
  • Mar Large: 0.8118
  • Map Coverall: 0.4594
  • Mar 100 Coverall: 0.6795
  • Map Face Shield: 0.4864
  • Mar 100 Face Shield: 0.6412
  • Map Gloves: 0.3727
  • Mar 100 Gloves: 0.6322
  • Map Goggles: 0.1661
  • Mar 100 Goggles: 0.4586
  • Map Mask: 0.3674
  • Mar 100 Mask: 0.6569

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training Loss Epoch Step Validation Loss Map Map 50 Map 75 Map Small Map Medium Map Large Mar 1 Mar 10 Mar 100 Mar Small Mar Medium Mar Large Map Coverall Mar 100 Coverall Map Face Shield Mar 100 Face Shield Map Gloves Mar 100 Gloves Map Goggles Mar 100 Goggles Map Mask Mar 100 Mask
No log 1.0 107 113.2495 0.011 0.0228 0.0089 0.0002 0.0063 0.0248 0.0285 0.1032 0.1933 0.0311 0.1471 0.3682 0.053 0.5482 0.0002 0.1316 0.0001 0.0379 0.0 0.0169 0.0016 0.232
No log 2.0 214 18.6938 0.1584 0.2939 0.1442 0.0773 0.1147 0.2221 0.1645 0.3785 0.4702 0.303 0.4358 0.7243 0.4389 0.6694 0.0065 0.4266 0.0819 0.4272 0.0187 0.3585 0.2462 0.4693
No log 3.0 321 12.9839 0.226 0.3923 0.2176 0.1203 0.1804 0.4483 0.2371 0.427 0.5082 0.3272 0.4915 0.7484 0.4397 0.668 0.0681 0.4608 0.1557 0.4585 0.1696 0.4662 0.2969 0.4876
No log 4.0 428 12.4463 0.215 0.4188 0.1966 0.1012 0.1805 0.4172 0.2229 0.4095 0.4812 0.2833 0.4737 0.6995 0.3622 0.6716 0.1302 0.4975 0.1221 0.4205 0.1687 0.3754 0.2916 0.4409
83.7659 5.0 535 12.3391 0.2336 0.465 0.2029 0.1382 0.2226 0.5186 0.2355 0.4423 0.5212 0.3433 0.5183 0.7393 0.2065 0.6703 0.2304 0.5051 0.1915 0.45 0.2376 0.4785 0.3021 0.5022
83.7659 6.0 642 12.3727 0.2059 0.3923 0.1857 0.1211 0.2121 0.4664 0.2274 0.4292 0.5156 0.3612 0.504 0.7148 0.1794 0.6694 0.2126 0.5329 0.1643 0.4455 0.1688 0.42 0.3042 0.5102
83.7659 7.0 749 12.7240 0.2058 0.41 0.1759 0.1217 0.2158 0.4525 0.2295 0.4086 0.4943 0.3464 0.4782 0.7071 0.2036 0.6077 0.2208 0.5013 0.1332 0.4201 0.2176 0.4323 0.2539 0.5102
83.7659 8.0 856 13.0090 0.2015 0.3831 0.1849 0.1056 0.2061 0.4551 0.2227 0.4194 0.5332 0.3719 0.5245 0.7451 0.2041 0.6482 0.1889 0.5747 0.1627 0.4692 0.1792 0.4462 0.2727 0.5276
83.7659 9.0 963 12.9929 0.2136 0.4059 0.1897 0.1307 0.1946 0.4823 0.2372 0.4132 0.5178 0.3559 0.5187 0.7195 0.2503 0.6248 0.22 0.5177 0.2002 0.4799 0.1888 0.46 0.2088 0.5067
12.788 10.0 1070 13.2438 0.1824 0.3375 0.1626 0.1 0.1911 0.4538 0.2061 0.3935 0.5026 0.3561 0.5017 0.6963 0.176 0.5644 0.1629 0.5228 0.1649 0.4741 0.1767 0.4769 0.2312 0.4747
12.788 11.0 1177 13.0890 0.2074 0.3885 0.1917 0.0937 0.1761 0.4555 0.2372 0.4106 0.508 0.3414 0.4956 0.7394 0.353 0.6599 0.182 0.4924 0.1565 0.4924 0.1524 0.4092 0.1931 0.4862
12.788 12.0 1284 12.2541 0.2428 0.44 0.2248 0.1213 0.202 0.5041 0.2484 0.4125 0.4938 0.3264 0.4726 0.7146 0.4213 0.6428 0.2319 0.4861 0.1937 0.4844 0.1301 0.32 0.2371 0.536
12.788 13.0 1391 13.4175 0.1572 0.2948 0.1408 0.0731 0.1404 0.4109 0.208 0.3659 0.4667 0.3022 0.4576 0.6952 0.2418 0.6063 0.1828 0.4835 0.1402 0.4826 0.0575 0.2754 0.1637 0.4858
12.788 14.0 1498 13.0720 0.2018 0.371 0.1912 0.0984 0.1543 0.4649 0.2229 0.3936 0.4802 0.2958 0.4639 0.715 0.3978 0.6392 0.2001 0.4734 0.1828 0.4884 0.077 0.3015 0.1512 0.4987
10.7992 15.0 1605 13.1509 0.2093 0.3882 0.1946 0.1149 0.1733 0.4644 0.2398 0.4148 0.4899 0.3288 0.4689 0.696 0.3568 0.6099 0.2329 0.5025 0.1722 0.4902 0.1078 0.3415 0.1767 0.5053
10.7992 16.0 1712 13.5416 0.1865 0.3502 0.1691 0.0943 0.1519 0.4479 0.2219 0.3868 0.4732 0.3295 0.4422 0.6977 0.3045 0.5698 0.2009 0.4949 0.1642 0.4728 0.0954 0.3554 0.1676 0.4729
10.7992 17.0 1819 13.8027 0.1419 0.2558 0.134 0.0598 0.1091 0.3792 0.2014 0.3602 0.4583 0.2925 0.4245 0.6809 0.2747 0.6063 0.1398 0.4709 0.1221 0.4504 0.0503 0.2877 0.1223 0.476
10.7992 18.0 1926 13.1241 0.205 0.389 0.1896 0.1006 0.1856 0.4619 0.2273 0.3813 0.4531 0.2848 0.4267 0.6944 0.3898 0.5995 0.2296 0.4848 0.1864 0.442 0.0754 0.2892 0.1436 0.4498
9.7939 19.0 2033 13.4709 0.2089 0.3828 0.1894 0.1018 0.1797 0.4627 0.2357 0.4 0.4783 0.3083 0.4537 0.6973 0.4201 0.6414 0.2105 0.5101 0.1717 0.4598 0.115 0.3215 0.1273 0.4587
9.7939 20.0 2140 13.6381 0.1755 0.3379 0.1459 0.0909 0.1501 0.4149 0.2176 0.3734 0.441 0.2658 0.4223 0.6946 0.3267 0.5896 0.1912 0.4861 0.1899 0.4446 0.0553 0.24 0.1146 0.4449
9.7939 21.0 2247 13.6187 0.1785 0.3454 0.159 0.0906 0.158 0.41 0.2274 0.3754 0.4539 0.2919 0.4327 0.6825 0.322 0.582 0.1915 0.4861 0.1896 0.4558 0.0585 0.2877 0.1307 0.4578
9.7939 22.0 2354 13.6789 0.1736 0.3213 0.1547 0.0804 0.1572 0.3997 0.2114 0.3971 0.4766 0.3206 0.4618 0.7021 0.3437 0.5995 0.2031 0.5215 0.1468 0.4647 0.0694 0.3477 0.1053 0.4493
9.7939 23.0 2461 13.5973 0.1853 0.3484 0.163 0.0873 0.1661 0.4546 0.2201 0.3794 0.4493 0.2877 0.4317 0.6857 0.3301 0.5847 0.2031 0.4937 0.1784 0.4317 0.0745 0.2938 0.1405 0.4427
9.0938 24.0 2568 13.2147 0.2232 0.4117 0.2114 0.1183 0.1953 0.4989 0.2347 0.3911 0.4575 0.3023 0.4273 0.6881 0.3994 0.6032 0.204 0.4734 0.2114 0.4621 0.1332 0.3062 0.1683 0.4427
9.0938 25.0 2675 13.4741 0.183 0.3428 0.1701 0.0874 0.1512 0.4309 0.2035 0.3643 0.4371 0.2686 0.4134 0.6784 0.3489 0.5842 0.1923 0.4443 0.1939 0.4469 0.0618 0.2938 0.1183 0.4164
9.0938 26.0 2782 13.6609 0.1955 0.3825 0.1691 0.1002 0.1798 0.4468 0.2164 0.3665 0.4337 0.2749 0.4048 0.6729 0.3661 0.5761 0.2018 0.4392 0.1914 0.4393 0.098 0.2954 0.1204 0.4187
9.0938 27.0 2889 13.5787 0.2059 0.384 0.1917 0.1021 0.1888 0.4571 0.224 0.3871 0.4541 0.2992 0.4273 0.6842 0.3905 0.5806 0.2016 0.4835 0.1938 0.45 0.1011 0.3092 0.1423 0.4471
9.0938 28.0 2996 13.2892 0.2043 0.3784 0.192 0.099 0.1847 0.4577 0.2276 0.386 0.456 0.3049 0.4245 0.6931 0.3972 0.5991 0.1786 0.4797 0.2112 0.4567 0.0698 0.2938 0.1646 0.4507
8.5991 29.0 3103 13.5481 0.2103 0.3954 0.197 0.11 0.1973 0.4571 0.225 0.3865 0.4592 0.3234 0.4292 0.6822 0.3794 0.5748 0.202 0.4823 0.2086 0.4616 0.1024 0.3185 0.1591 0.4591
8.5991 30.0 3210 13.5758 0.2024 0.3781 0.186 0.1041 0.1897 0.4491 0.2214 0.3882 0.46 0.3184 0.4341 0.6808 0.3815 0.5779 0.1844 0.4734 0.2072 0.458 0.0877 0.3323 0.1511 0.4582

Framework versions

  • Transformers 4.42.0.dev0
  • Pytorch 2.1.0+cu118
  • Datasets 2.19.1
  • Tokenizers 0.19.1