返回模型
说明文档
该模型由一个SMP-UNet组成，于2023年12月在完整的GelGenie数据集上训练。它具有高度的鲁棒性，应该能够对多种凝胶类型和分辨率产生良好的结果。
该模型在完整的训练集和验证集（共470张图像）上训练了600个epoch，并提取了最终的检查点。
其性能与主要通用模型相当，但根据凝胶的不同，有时可能更好或更差（该模型似乎在高分辨率图像上表现最佳）。
有关训练所用配置的更多详细信息，请访问 https://huggingface.co/mattaq/GelGenie-Universal-Extended-Dec-2023 并查看 config.toml 文件。我们的代码库完全开源，可在此处获取：https://github.com/mattaq31/GelGenie。
mattaq/GelGenie-Universal-Extended-Dec-2023
作者 mattaq
image-segmentation
pytorch
↓ 0
♥ 0
创建时间: 2023-12-24 15:18:27+00:00
更新时间: 2024-10-07 03:27:59+00:00
在 Hugging Face 上查看文件 (12)
.gitattributes
README.md
checkpoints/checkpoint_epoch_600.pth
config.toml
model_structure.txt
model_summary.txt
onnx_checkpoints/unet_dec_21_extended_set_epoch_600.onnx
ONNX
onnx_checkpoints/unet_dec_21_extended_set_epoch_600_fixed_dim_1024.onnx
ONNX
time_log.txt
torchscript_checkpoints/unet_dec_21_extended_set_epoch_600.pt
training_logs/metric_plots.pdf
training_logs/training_stats.csv