Super_Detection_Model2

This model is a fine-tuned version of ArrayDice/Super_Detection_Model on the None dataset. It achieves the following results on the evaluation set:

• Loss: 1.1298
• Map: 0.1808
• Map 50: 0.3493
• Map 75: 0.1691
• Map Small: 0.1145
• Map Medium: 0.2679
• Map Large: 0.2383
• Mar 1: 0.125
• Mar 10: 0.2435
• Mar 100: 0.2784
• Mar Small: 0.2083
• Mar Medium: 0.3302
• Mar Large: 0.4376
• Map Car: 0.3117
• Mar 100 Car: 0.4185
• Map Hgv: 0.3441
• Mar 100 Hgv: 0.5338
• Map Motorcycle: 0.0675
• Mar 100 Motorcycle: 0.1613
• Map Other: 0.0
• Mar 100 Other: 0.0

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: cosine
• num_epochs: 20

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 Car	Mar 100 Car	Map Hgv	Mar 100 Hgv	Map Motorcycle	Mar 100 Motorcycle	Map Other	Mar 100 Other
1.4212	1.0	1431	1.4437	0.0997	0.23	0.0726	0.0488	0.1966	0.1457	0.0912	0.1795	0.2091	0.14	0.2742	0.3388	0.173	0.3266	0.201	0.4018	0.0248	0.1078	0.0	0.0
1.5144	2.0	2862	1.3895	0.1133	0.2499	0.0908	0.0571	0.2007	0.1638	0.0939	0.1896	0.2221	0.1557	0.2747	0.3723	0.1975	0.3312	0.2273	0.4349	0.0286	0.1221	0.0	0.0
1.5085	3.0	4293	1.3969	0.1103	0.2537	0.0832	0.0554	0.2014	0.1627	0.0902	0.1783	0.2087	0.1443	0.2775	0.3275	0.2029	0.3265	0.2201	0.4265	0.0181	0.0819	0.0	0.0
1.4486	4.0	5724	1.4264	0.105	0.2365	0.0844	0.0537	0.1969	0.1555	0.0893	0.1759	0.2053	0.1335	0.2784	0.3643	0.1822	0.3185	0.217	0.4126	0.0208	0.0902	0.0	0.0
1.4493	5.0	7155	1.3755	0.1124	0.2532	0.0866	0.0571	0.2053	0.1307	0.0949	0.1909	0.2208	0.152	0.2766	0.3861	0.2078	0.3336	0.215	0.4231	0.0268	0.1265	0.0	0.0
1.4102	6.0	8586	1.3164	0.1195	0.2565	0.1016	0.0629	0.214	0.1613	0.0987	0.1957	0.2251	0.154	0.2865	0.4032	0.2229	0.3549	0.229	0.4187	0.0262	0.127	0.0	0.0
1.4181	7.0	10017	1.3534	0.1189	0.2556	0.0965	0.0657	0.2132	0.1558	0.0949	0.1971	0.2235	0.1575	0.2845	0.391	0.2206	0.3356	0.2295	0.4299	0.0255	0.1284	0.0	0.0
1.3845	8.0	11448	1.3302	0.1306	0.2716	0.1133	0.0726	0.223	0.1469	0.1014	0.1945	0.2239	0.15	0.2913	0.4012	0.2344	0.3495	0.2513	0.4369	0.0369	0.1093	0.0	0.0
1.3262	9.0	12879	1.2996	0.1393	0.288	0.1206	0.0805	0.2317	0.1548	0.1071	0.2058	0.238	0.165	0.3017	0.4235	0.2442	0.3655	0.2631	0.4736	0.0498	0.1127	0.0	0.0
1.3128	10.0	14310	1.2569	0.1435	0.2923	0.1259	0.0792	0.2384	0.2133	0.1099	0.2132	0.2433	0.1713	0.3085	0.4116	0.2575	0.3721	0.2792	0.4794	0.0372	0.1216	0.0	0.0
1.2872	11.0	15741	1.2379	0.1484	0.2977	0.1364	0.0835	0.2432	0.1956	0.1161	0.225	0.2578	0.1811	0.3194	0.4301	0.2601	0.382	0.284	0.5001	0.0494	0.149	0.0	0.0
1.3069	12.0	17172	1.2271	0.1469	0.2997	0.1295	0.0814	0.2445	0.215	0.1092	0.2168	0.2497	0.1769	0.3102	0.406	0.2629	0.3817	0.2836	0.4666	0.0412	0.1505	0.0	0.0
1.2587	13.0	18603	1.2020	0.1558	0.3127	0.1424	0.0907	0.2484	0.2203	0.1115	0.2232	0.2566	0.1833	0.3153	0.4394	0.2743	0.3866	0.2986	0.4951	0.0502	0.1446	0.0	0.0
1.2236	14.0	20034	1.1696	0.1671	0.3292	0.1585	0.1026	0.2555	0.222	0.1199	0.2325	0.2633	0.1887	0.3195	0.4303	0.2919	0.4009	0.3149	0.4924	0.0619	0.1598	0.0	0.0
1.1969	15.0	21465	1.1582	0.1733	0.3408	0.1625	0.1052	0.2628	0.2374	0.1228	0.2386	0.2712	0.1985	0.3235	0.4386	0.2948	0.4077	0.3294	0.5113	0.0689	0.1657	0.0	0.0
1.1768	16.0	22896	1.1394	0.1796	0.3415	0.168	0.112	0.266	0.2352	0.1263	0.2426	0.2771	0.2058	0.3287	0.4285	0.3014	0.4149	0.342	0.527	0.075	0.1667	0.0	0.0
1.1729	17.0	24327	1.1350	0.1821	0.3473	0.1733	0.1149	0.2693	0.2358	0.1282	0.2423	0.2773	0.2056	0.3316	0.4432	0.3064	0.4151	0.3507	0.5397	0.0715	0.1544	0.0	0.0
1.1745	18.0	25758	1.1336	0.1808	0.3482	0.1689	0.1134	0.2684	0.2368	0.1253	0.2426	0.2775	0.2065	0.3314	0.4412	0.3114	0.4172	0.3432	0.5336	0.0687	0.1593	0.0	0.0
1.1518	19.0	27189	1.1293	0.181	0.3487	0.1688	0.1144	0.2687	0.2398	0.1244	0.2427	0.2771	0.2066	0.3308	0.4376	0.3121	0.4184	0.3448	0.5333	0.0672	0.1569	0.0	0.0
1.1597	20.0	28620	1.1298	0.1808	0.3493	0.1691	0.1145	0.2679	0.2383	0.125	0.2435	0.2784	0.2083	0.3302	0.4376	0.3117	0.4185	0.3441	0.5338	0.0675	0.1613	0.0	0.0

Framework versions

• Transformers 4.44.0
• Pytorch 2.4.0+cu121
• Datasets 2.20.0
• Tokenizers 0.19.1