dfine_l_coco-cppe5-finetune

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

• Loss: 2.7496
• Map: 0.4281
• Map 50: 0.6128
• Map 75: 0.4751
• Map Small: 0.5217
• Map Medium: 0.3947
• Map Large: 0.5981
• Mar 1: 0.3348
• Mar 10: 0.6726
• Mar 100: 0.7561
• Mar Small: 0.6875
• Mar Medium: 0.6638
• Mar Large: 0.8701
• Map Coverall: 0.2303
• Mar 100 Coverall: 0.7923
• Map Face Shield: 0.559
• Mar 100 Face Shield: 0.7588
• Map Gloves: 0.5018
• Mar 100 Gloves: 0.7492
• Map Goggles: 0.3248
• Mar 100 Goggles: 0.7448
• Map Mask: 0.5244
• Mar 100 Mask: 0.7353

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: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 300
• num_epochs: 40

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	12.2583	0.0076	0.017	0.0066	0.0004	0.002	0.0171	0.0283	0.0909	0.1254	0.0308	0.0555	0.2559	0.0322	0.295	0.0001	0.0506	0.0012	0.1147	0.0006	0.0846	0.004	0.0822
No log	2.0	214	6.2711	0.0583	0.1115	0.0522	0.0223	0.0361	0.09	0.092	0.2671	0.3486	0.1993	0.2602	0.568	0.1623	0.4869	0.0048	0.3139	0.0281	0.2795	0.0119	0.28	0.0844	0.3827
No log	3.0	321	4.7100	0.087	0.1571	0.083	0.041	0.0909	0.1375	0.1294	0.3482	0.4407	0.29	0.351	0.6387	0.1513	0.6532	0.0134	0.4076	0.0659	0.333	0.0127	0.3908	0.1916	0.4191
No log	4.0	428	4.2788	0.1351	0.2495	0.1295	0.0714	0.122	0.2464	0.1838	0.3833	0.4827	0.3506	0.3924	0.6756	0.2092	0.6293	0.0668	0.4696	0.1164	0.4433	0.0349	0.4046	0.2481	0.4667
11.3943	5.0	535	4.0960	0.1555	0.2785	0.1545	0.128	0.1607	0.252	0.1898	0.416	0.5219	0.355	0.4384	0.7168	0.1857	0.6329	0.1135	0.5392	0.1512	0.475	0.0836	0.4738	0.2435	0.4884
11.3943	6.0	642	4.0103	0.1497	0.2754	0.1512	0.0884	0.1426	0.2863	0.2146	0.4285	0.5291	0.3729	0.4504	0.6933	0.2234	0.6653	0.0682	0.557	0.1849	0.4509	0.065	0.5046	0.2071	0.4676
11.3943	7.0	749	3.7960	0.1528	0.2793	0.1543	0.0742	0.1214	0.3125	0.2204	0.4128	0.5311	0.3611	0.4468	0.7385	0.2321	0.686	0.078	0.5139	0.1677	0.4862	0.059	0.4662	0.227	0.5031
11.3943	8.0	856	3.7461	0.1474	0.2686	0.1466	0.0955	0.1477	0.2527	0.2114	0.4098	0.5052	0.322	0.4119	0.6795	0.2048	0.6473	0.0694	0.4418	0.1723	0.4705	0.0286	0.4785	0.2622	0.488
11.3943	9.0	963	3.6575	0.1386	0.2621	0.1295	0.1228	0.1357	0.23	0.1948	0.4493	0.5514	0.3762	0.5058	0.7323	0.1968	0.7077	0.0786	0.5468	0.1729	0.5022	0.0351	0.4923	0.2099	0.508
4.7509	10.0	1070	3.6422	0.1395	0.27	0.1287	0.1266	0.1418	0.249	0.201	0.4301	0.5342	0.3716	0.4432	0.7413	0.1311	0.6797	0.1029	0.5089	0.1867	0.4884	0.0799	0.4892	0.1971	0.5049
4.7509	11.0	1177	3.5627	0.1822	0.3267	0.1794	0.1295	0.1738	0.309	0.2261	0.4396	0.5464	0.3643	0.4763	0.7369	0.2486	0.7045	0.1213	0.5253	0.2195	0.5085	0.0906	0.5	0.231	0.4938
4.7509	12.0	1284	3.5589	0.1776	0.322	0.1704	0.1469	0.1596	0.2852	0.2269	0.4563	0.5585	0.4086	0.4839	0.7538	0.2413	0.6946	0.1428	0.5405	0.2158	0.5254	0.0761	0.5308	0.212	0.5013
4.7509	13.0	1391	3.5184	0.1667	0.3119	0.1545	0.1451	0.1796	0.2856	0.2249	0.4335	0.5406	0.3279	0.4512	0.7274	0.1494	0.6608	0.1201	0.5038	0.226	0.5129	0.0864	0.5231	0.2516	0.5022
4.7509	14.0	1498	3.4570	0.2238	0.3985	0.2242	0.1642	0.1924	0.3459	0.2632	0.4688	0.5615	0.4281	0.5003	0.7426	0.2959	0.6986	0.2161	0.5835	0.2167	0.5	0.0976	0.5231	0.2925	0.5022
4.2981	15.0	1605	3.4975	0.1898	0.3529	0.1835	0.1699	0.1706	0.3331	0.2261	0.4625	0.5597	0.4369	0.477	0.7396	0.2577	0.7027	0.1725	0.5456	0.2175	0.5317	0.059	0.5185	0.2421	0.5
4.2981	16.0	1712	3.4823	0.2029	0.3588	0.1989	0.185	0.1916	0.3601	0.237	0.4557	0.5619	0.4026	0.4934	0.7379	0.1876	0.6865	0.1993	0.5506	0.2333	0.5344	0.1213	0.5446	0.2729	0.4933
4.2981	17.0	1819	3.4680	0.1966	0.3431	0.1914	0.1928	0.2102	0.3505	0.2367	0.4482	0.5614	0.3739	0.4811	0.7557	0.1899	0.6878	0.1736	0.5253	0.229	0.5348	0.1088	0.5569	0.2818	0.5022
4.2981	18.0	1926	3.5169	0.1921	0.3388	0.1911	0.1347	0.1813	0.3905	0.2223	0.4443	0.5567	0.3799	0.4839	0.7512	0.1424	0.6617	0.168	0.5253	0.2432	0.5571	0.1306	0.52	0.2761	0.5196
4.0614	19.0	2033	3.4963	0.2067	0.365	0.1956	0.139	0.1892	0.3829	0.2504	0.4607	0.5676	0.4202	0.4924	0.7511	0.1461	0.682	0.2216	0.5722	0.2319	0.5482	0.1713	0.5323	0.2628	0.5031
4.0614	20.0	2140	3.5090	0.1924	0.3403	0.1858	0.1192	0.1871	0.3734	0.2191	0.4486	0.5493	0.3453	0.4729	0.748	0.0925	0.6815	0.1988	0.5013	0.2504	0.5585	0.1529	0.5108	0.2672	0.4942
4.0614	21.0	2247	3.4683	0.1993	0.3635	0.1858	0.145	0.1918	0.371	0.2372	0.4411	0.5551	0.3925	0.484	0.7343	0.13	0.6883	0.1896	0.5304	0.2478	0.542	0.1657	0.5031	0.2633	0.5116
4.0614	22.0	2354	3.4556	0.2066	0.3627	0.2075	0.1562	0.1901	0.3959	0.2452	0.4486	0.553	0.3986	0.477	0.7445	0.1576	0.6874	0.2169	0.5595	0.252	0.5263	0.1653	0.4846	0.2413	0.5071
4.0614	23.0	2461	3.4420	0.2009	0.3516	0.1954	0.18	0.1826	0.4079	0.2378	0.4519	0.5514	0.3677	0.4749	0.7416	0.1585	0.6919	0.1463	0.5342	0.2631	0.5263	0.1687	0.4969	0.2678	0.5076
3.8839	24.0	2568	3.3910	0.2333	0.4059	0.2262	0.1423	0.1911	0.4386	0.2506	0.4617	0.5561	0.3432	0.486	0.7486	0.2541	0.7036	0.1829	0.5304	0.2639	0.542	0.1909	0.4954	0.2748	0.5093
3.8839	25.0	2675	3.4301	0.222	0.3794	0.2246	0.152	0.1998	0.3831	0.245	0.4505	0.5346	0.3242	0.4696	0.722	0.2289	0.6932	0.1822	0.4873	0.2853	0.5554	0.1424	0.4431	0.2713	0.4938
3.8839	26.0	2782	3.4264	0.203	0.3622	0.1955	0.1845	0.1811	0.388	0.2422	0.4466	0.5467	0.3682	0.4734	0.7354	0.1886	0.6874	0.1586	0.4886	0.2498	0.5348	0.1347	0.52	0.2834	0.5027
3.8839	27.0	2889	3.3817	0.2254	0.3928	0.2197	0.203	0.1945	0.4092	0.2524	0.4532	0.5564	0.3589	0.4826	0.74	0.1935	0.6806	0.1759	0.5215	0.2837	0.5513	0.182	0.5185	0.2919	0.5102
3.8839	28.0	2996	3.4003	0.2256	0.3852	0.2182	0.1903	0.2088	0.4035	0.2552	0.4636	0.5604	0.3932	0.4856	0.7376	0.146	0.6932	0.2443	0.5468	0.2793	0.5509	0.1566	0.5046	0.302	0.5062
3.7638	29.0	3103	3.3650	0.2342	0.4079	0.2297	0.1691	0.2007	0.4231	0.2638	0.4664	0.5654	0.3828	0.4885	0.7596	0.2185	0.7063	0.2383	0.5608	0.2726	0.5558	0.1471	0.5046	0.2948	0.4996
3.7638	30.0	3210	3.3953	0.2297	0.4083	0.2263	0.1908	0.2014	0.4143	0.2484	0.4648	0.5632	0.3895	0.4812	0.7554	0.1799	0.705	0.2465	0.5481	0.2694	0.5594	0.1581	0.4892	0.2944	0.5142
3.7638	31.0	3317	3.3695	0.2321	0.4052	0.2357	0.1867	0.2086	0.4357	0.2659	0.4676	0.5651	0.39	0.491	0.7463	0.1686	0.6937	0.2441	0.5519	0.2729	0.5384	0.1775	0.5354	0.2975	0.5062
3.7638	32.0	3424	3.3628	0.2376	0.4163	0.2363	0.1931	0.2083	0.4274	0.2681	0.4661	0.5522	0.354	0.4712	0.7547	0.1974	0.6995	0.2428	0.5127	0.2792	0.5397	0.1609	0.4954	0.3077	0.5138
3.6477	33.0	3531	3.3567	0.2392	0.4142	0.2331	0.2006	0.2027	0.4335	0.2702	0.4717	0.5703	0.3965	0.4984	0.7471	0.1983	0.695	0.2472	0.5633	0.275	0.5629	0.1709	0.5169	0.3045	0.5133
3.6477	34.0	3638	3.3581	0.2357	0.4126	0.2298	0.1897	0.2126	0.4235	0.2594	0.4593	0.5509	0.3477	0.473	0.7392	0.178	0.6932	0.2369	0.5076	0.2834	0.5571	0.1692	0.48	0.311	0.5164
3.6477	35.0	3745	3.3458	0.2396	0.4177	0.2337	0.1989	0.2046	0.4346	0.254	0.4651	0.5626	0.3517	0.493	0.7448	0.2062	0.709	0.2244	0.5228	0.2838	0.5625	0.1758	0.5092	0.308	0.5093
3.6477	36.0	3852	3.3376	0.2385	0.419	0.2413	0.192	0.2111	0.4405	0.25	0.4648	0.5564	0.3456	0.4818	0.7521	0.1978	0.7009	0.2216	0.5063	0.2831	0.5491	0.1734	0.5154	0.3167	0.5102
3.6477	37.0	3959	3.3495	0.2346	0.4103	0.2254	0.2041	0.211	0.4315	0.2689	0.4662	0.5579	0.3562	0.4948	0.7437	0.1723	0.6833	0.2407	0.5278	0.2739	0.5487	0.1757	0.5169	0.3106	0.5129
3.5391	38.0	4066	3.3427	0.2369	0.4094	0.2328	0.1985	0.2118	0.4304	0.2582	0.4669	0.5656	0.3609	0.4957	0.7469	0.174	0.7041	0.24	0.538	0.2738	0.5522	0.1868	0.5215	0.3097	0.5124
3.5391	39.0	4173	3.3297	0.2371	0.4149	0.2301	0.1992	0.2096	0.4322	0.2619	0.4668	0.5626	0.3571	0.493	0.7464	0.1956	0.7005	0.2222	0.5253	0.2832	0.5661	0.1759	0.5077	0.3089	0.5133
3.5391	40.0	4280	3.3385	0.2371	0.4143	0.2309	0.1937	0.211	0.4367	0.2604	0.4634	0.5594	0.3529	0.4907	0.7388	0.1874	0.6986	0.2384	0.5241	0.2805	0.5652	0.1742	0.5	0.3048	0.5093

Framework versions

• Transformers 4.50.0.dev0
• Pytorch 2.6.0+cu124
• Datasets 3.3.2
• Tokenizers 0.21.0