yolo_wgisd

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

• Loss: 1.3685
• Map: 0.2438
• Map 50: 0.5928
• Map 75: 0.1625
• Map Small: -1.0
• Map Medium: 0.1357
• Map Large: 0.2539
• Mar 1: 0.0406
• Mar 10: 0.2643
• Mar 100: 0.4410
• Mar Small: -1.0
• Mar Medium: 0.2096
• Mar Large: 0.4572
• Map Cdy: 0.2934
• Mar 100 Cdy: 0.4522
• Map Cfr: 0.2654
• Mar 100 Cfr: 0.4522
• Map Csv: 0.2146
• Mar 100 Csv: 0.4441
• Map Svb: 0.2115
• Mar 100 Svb: 0.4011
• Map Syh: 0.2341
• Mar 100 Syh: 0.4553

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: 4
• 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: cosine
• num_epochs: 30

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 Cdy	Mar 100 Cdy	Map Cfr	Mar 100 Cfr	Map Csv	Mar 100 Csv	Map Svb	Mar 100 Svb	Map Syh	Mar 100 Syh
No log	1.0	61	2.7279	0.0157	0.0522	0.0051	-1.0	0.0062	0.0169	0.006	0.0306	0.0916	-1.0	0.0108	0.1001	0.0	0.0	0.0257	0.0975	0.0139	0.1225	0.0388	0.2378	0.0	0.0
No log	2.0	122	2.4121	0.0315	0.1117	0.0136	-1.0	0.0044	0.0341	0.0144	0.0623	0.1865	-1.0	0.0241	0.1966	0.0319	0.155	0.0744	0.3283	0.0329	0.3081	0.0120	0.0891	0.0064	0.0521
No log	3.0	183	2.0448	0.0595	0.1858	0.0184	-1.0	0.0137	0.0638	0.0212	0.1135	0.2843	-1.0	0.0497	0.2991	0.0804	0.2094	0.0584	0.2811	0.0414	0.3297	0.0580	0.2512	0.0593	0.35
No log	4.0	244	1.9249	0.0922	0.2703	0.0375	-1.0	0.0254	0.0978	0.0291	0.1454	0.3272	-1.0	0.0653	0.3438	0.1099	0.2717	0.1391	0.3805	0.0972	0.3811	0.0614	0.2770	0.0532	0.3255
No log	5.0	305	1.7604	0.1099	0.3298	0.0457	-1.0	0.0354	0.1162	0.0249	0.1629	0.325	-1.0	0.0989	0.3396	0.1542	0.3356	0.1203	0.3101	0.0814	0.3108	0.0852	0.2664	0.1081	0.4021
No log	6.0	366	1.7670	0.1354	0.3843	0.0588	-1.0	0.0640	0.1434	0.0328	0.1796	0.3613	-1.0	0.0996	0.3796	0.1785	0.3867	0.1670	0.3950	0.1139	0.3766	0.0867	0.2428	0.1310	0.4053
No log	7.0	427	1.6559	0.1525	0.4261	0.0751	-1.0	0.0557	0.1614	0.0333	0.1969	0.3761	-1.0	0.1459	0.3934	0.2127	0.4122	0.1674	0.3975	0.1435	0.4108	0.1020	0.2438	0.1370	0.4160
No log	8.0	488	1.6087	0.1641	0.4603	0.0686	-1.0	0.0779	0.1715	0.0354	0.2009	0.3683	-1.0	0.1294	0.3837	0.2265	0.4267	0.1834	0.3805	0.1368	0.3694	0.1260	0.2735	0.1476	0.3915
2.0067	9.0	549	1.5575	0.1714	0.4592	0.0873	-1.0	0.0660	0.1798	0.0304	0.2140	0.3842	-1.0	0.1357	0.3987	0.1833	0.3206	0.2131	0.4019	0.1741	0.4216	0.1505	0.3272	0.1358	0.45
2.0067	10.0	610	1.5390	0.1801	0.4554	0.0995	-1.0	0.0957	0.1886	0.0348	0.2097	0.3912	-1.0	0.1674	0.4077	0.2273	0.3644	0.2175	0.4050	0.1473	0.4234	0.1437	0.3357	0.1646	0.4277
2.0067	11.0	671	1.6056	0.1943	0.4944	0.0956	-1.0	0.0628	0.2043	0.0366	0.2186	0.3931	-1.0	0.1032	0.4112	0.2081	0.3589	0.2233	0.4145	0.1869	0.4099	0.1542	0.3322	0.1990	0.45
2.0067	12.0	732	1.5612	0.1807	0.5075	0.0896	-1.0	0.0656	0.1889	0.0312	0.2104	0.3713	-1.0	0.1525	0.3859	0.2146	0.3656	0.2326	0.4069	0.1213	0.3441	0.1575	0.3198	0.1777	0.4202
2.0067	13.0	793	1.6077	0.1834	0.4807	0.1035	-1.0	0.1021	0.1911	0.0324	0.2194	0.3840	-1.0	0.1405	0.3985	0.1861	0.3467	0.2512	0.4038	0.1423	0.3847	0.1633	0.353	0.1743	0.4319
2.0067	14.0	854	1.4885	0.2117	0.5304	0.1363	-1.0	0.1370	0.2208	0.0379	0.2361	0.4089	-1.0	0.2165	0.4239	0.2201	0.3756	0.2742	0.4497	0.1849	0.4216	0.1778	0.3435	0.2014	0.4543
2.0067	15.0	915	1.4687	0.2066	0.5315	0.1206	-1.0	0.1115	0.2155	0.0393	0.2372	0.4026	-1.0	0.1535	0.4180	0.2391	0.4111	0.2487	0.4384	0.1818	0.4297	0.1815	0.3452	0.1821	0.3883
2.0067	16.0	976	1.5170	0.2036	0.5142	0.1201	-1.0	0.0960	0.2139	0.0355	0.2331	0.4217	-1.0	0.1318	0.4398	0.2067	0.3622	0.2519	0.4453	0.1920	0.4522	0.1740	0.3551	0.1932	0.4936
1.3336	17.0	1037	1.4479	0.217	0.5558	0.1204	-1.0	0.0950	0.2262	0.0333	0.2366	0.4110	-1.0	0.1629	0.4264	0.2497	0.415	0.2530	0.4057	0.1625	0.3946	0.1952	0.3739	0.2246	0.4660
1.3336	18.0	1098	1.4191	0.2156	0.5465	0.1385	-1.0	0.1155	0.2256	0.0387	0.2433	0.4202	-1.0	0.1644	0.4368	0.2677	0.4372	0.2534	0.4377	0.1918	0.4351	0.1926	0.3590	0.1726	0.4319
1.3336	19.0	1159	1.3921	0.2291	0.5797	0.1464	-1.0	0.1057	0.2398	0.0380	0.2526	0.4295	-1.0	0.1674	0.4465	0.2816	0.4644	0.2437	0.4377	0.2059	0.4387	0.2050	0.3777	0.2095	0.4287
1.3336	20.0	1220	1.3693	0.2330	0.5773	0.1418	-1.0	0.1104	0.2439	0.0367	0.2572	0.4410	-1.0	0.1729	0.4576	0.2697	0.4306	0.252	0.4440	0.2076	0.4486	0.2171	0.4159	0.2188	0.4660
1.3336	21.0	1281	1.4042	0.2283	0.5682	0.1439	-1.0	0.1151	0.2391	0.0329	0.2517	0.4354	-1.0	0.2247	0.4524	0.2486	0.3939	0.2513	0.4472	0.2039	0.4640	0.1952	0.3912	0.2425	0.4808
1.3336	22.0	1342	1.4250	0.2269	0.5728	0.1470	-1.0	0.1524	0.236	0.0412	0.2521	0.4265	-1.0	0.2683	0.4399	0.2801	0.4378	0.2636	0.4258	0.1957	0.4342	0.1984	0.3880	0.1967	0.4468
1.3336	23.0	1403	1.3918	0.2379	0.5900	0.1472	-1.0	0.1349	0.2482	0.0424	0.2566	0.4347	-1.0	0.2361	0.4504	0.2820	0.4289	0.2593	0.4472	0.2047	0.4486	0.2044	0.3954	0.2391	0.4532
1.3336	24.0	1464	1.3905	0.2396	0.6033	0.1507	-1.0	0.1387	0.2496	0.0428	0.2599	0.4411	-1.0	0.2020	0.4567	0.2894	0.4489	0.2634	0.4434	0.1962	0.4531	0.2072	0.3951	0.2418	0.4649
1.1255	25.0	1525	1.3732	0.2353	0.5842	0.1362	-1.0	0.1221	0.2455	0.0377	0.2589	0.4362	-1.0	0.1973	0.4529	0.2795	0.4267	0.2530	0.4434	0.2039	0.4441	0.2129	0.4042	0.2271	0.4628
1.1255	26.0	1586	1.3720	0.2445	0.6011	0.1513	-1.0	0.1338	0.2546	0.0414	0.2611	0.4417	-1.0	0.1930	0.4581	0.3038	0.4717	0.2661	0.4553	0.2116	0.4387	0.2072	0.3951	0.2338	0.4479
1.1255	27.0	1647	1.3630	0.2406	0.5886	0.1596	-1.0	0.1259	0.2511	0.0404	0.2629	0.4384	-1.0	0.1915	0.4554	0.2912	0.4467	0.2579	0.4484	0.2094	0.4432	0.2077	0.4003	0.2368	0.4532
1.1255	28.0	1708	1.3697	0.2429	0.5916	0.1577	-1.0	0.1313	0.2532	0.0397	0.2636	0.4399	-1.0	0.1963	0.4566	0.2939	0.4489	0.2628	0.4509	0.2171	0.4469	0.2107	0.4028	0.2298	0.45
1.1255	29.0	1769	1.3682	0.2441	0.5927	0.1623	-1.0	0.1357	0.2542	0.0406	0.2646	0.4419	-1.0	0.2096	0.4582	0.2935	0.4533	0.2656	0.4528	0.2150	0.4460	0.2119	0.4011	0.2344	0.4564
1.1255	30.0	1830	1.3685	0.2438	0.5928	0.1625	-1.0	0.1357	0.2539	0.0406	0.2643	0.4410	-1.0	0.2096	0.4572	0.2934	0.4522	0.2654	0.4522	0.2146	0.4441	0.2115	0.4011	0.2341	0.4553

Framework versions

• Transformers 4.51.3
• Pytorch 2.6.0+cu124
• Datasets 3.5.0
• Tokenizers 0.21.1