rtdetr_v2_r50vd-mobile-ui-design

This model is a fine-tuned version of PekingU/rtdetr_v2_r50vd on the mrtoy/mobile-ui-design dataset. It achieves the following results on the evaluation set:

Loss: 12.0882
Map: 0.1958
Map 50: 0.288
Map 75: 0.1958
Map Small: 0.1607
Map Medium: 0.2034
Map Large: 0.3759
Mar 1: 0.0563
Mar 10: 0.3081
Mar 100: 0.5845
Mar Small: 0.4063
Mar Medium: 0.6779
Mar Large: 0.8041
Map Group: 0.1713
Mar 100 Group: 0.6243
Map Image: 0.1585
Mar 100 Image: 0.6072
Map Rectangle: 0.2448
Mar 100 Rectangle: 0.5766
Map Text: 0.2088
Mar 100 Text: 0.5297

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: 4
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED 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: 0.1
num_epochs: 50.0
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 Group	Mar 100 Group	Map Image	Mar 100 Image	Map Rectangle	Mar 100 Rectangle	Map Text	Mar 100 Text
55.8656	1.0	197	43.5388	0.0123	0.0267	0.0093	0.0062	0.0136	0.0184	0.0115	0.0611	0.1174	0.0572	0.1614	0.1957	0.0161	0.1313	0.0109	0.1438	0.0114	0.1279	0.0108	0.0666
35.5165	2.0	394	23.4163	0.0716	0.1171	0.0669	0.0267	0.096	0.1324	0.0456	0.1797	0.2843	0.1084	0.3759	0.5296	0.0694	0.3028	0.06	0.3105	0.0959	0.3392	0.0612	0.1846
26.8449	3.0	591	16.9892	0.1189	0.1854	0.1127	0.053	0.1603	0.1995	0.0494	0.249	0.4106	0.2152	0.494	0.6712	0.0906	0.4305	0.0919	0.4122	0.1716	0.4213	0.1214	0.3786
22.8170	4.0	788	13.8000	0.1392	0.2129	0.1353	0.077	0.178	0.247	0.0496	0.2731	0.5092	0.3418	0.5626	0.7532	0.0823	0.5008	0.123	0.5696	0.1837	0.4991	0.168	0.4673
21.8050	5.0	985	13.0857	0.1336	0.2052	0.1312	0.0916	0.1982	0.2466	0.0425	0.2634	0.5203	0.3393	0.5987	0.7671	0.0806	0.5479	0.125	0.5692	0.1731	0.5006	0.1558	0.4635
22.0556	6.0	1182	12.7279	0.1305	0.1975	0.1269	0.0903	0.1732	0.2618	0.0421	0.2517	0.5203	0.323	0.6019	0.7759	0.0814	0.524	0.1155	0.5829	0.1625	0.5015	0.1626	0.4728
22.1292	7.0	1379	12.9507	0.1397	0.2045	0.1387	0.0917	0.1775	0.2806	0.0466	0.2688	0.5175	0.32	0.6147	0.766	0.0939	0.5467	0.1352	0.5967	0.2092	0.5256	0.1206	0.4008
20.8760	8.0	1576	12.5971	0.1315	0.1904	0.1302	0.0793	0.1796	0.2931	0.0453	0.2495	0.5155	0.3164	0.6172	0.7772	0.081	0.5586	0.1259	0.5855	0.2041	0.5357	0.1151	0.3821
19.7137	9.0	1773	12.5026	0.1649	0.2366	0.1638	0.1094	0.2227	0.3334	0.0522	0.2825	0.5371	0.3533	0.6244	0.7958	0.1146	0.5697	0.1719	0.6035	0.238	0.5516	0.135	0.4239
19.8549	10.0	1970	12.3509	0.1721	0.2511	0.1721	0.1233	0.2056	0.3327	0.0522	0.2882	0.5536	0.3728	0.6349	0.7829	0.1124	0.5746	0.1657	0.5967	0.2365	0.5585	0.1736	0.4847
18.5614	11.0	2167	12.2564	0.1591	0.2348	0.1577	0.1167	0.1908	0.3211	0.0471	0.2689	0.5469	0.3613	0.6393	0.7838	0.1224	0.5849	0.1498	0.5935	0.2269	0.5552	0.1375	0.454
19.2418	12.0	2364	12.1745	0.1487	0.2182	0.1484	0.1181	0.1846	0.2964	0.0418	0.2578	0.5544	0.3728	0.6421	0.7923	0.1167	0.5984	0.1285	0.5934	0.2154	0.5535	0.1343	0.4722
18.8690	13.0	2561	12.2145	0.152	0.2239	0.1516	0.1234	0.1978	0.2948	0.0466	0.2713	0.5458	0.3524	0.6396	0.797	0.1105	0.5736	0.1366	0.5877	0.2055	0.5513	0.1555	0.4708
18.2728	14.0	2758	12.1143	0.1499	0.2172	0.1502	0.1148	0.1645	0.3206	0.0473	0.2595	0.551	0.3633	0.6489	0.7928	0.1201	0.5851	0.1391	0.6088	0.2194	0.5548	0.121	0.4554
17.5601	15.0	2955	12.2068	0.1538	0.2251	0.1523	0.1176	0.1885	0.3152	0.048	0.2633	0.5519	0.3565	0.6539	0.792	0.1116	0.5897	0.1402	0.5876	0.2133	0.5609	0.15	0.4694
18.2213	16.0	3152	12.1049	0.1782	0.2604	0.1779	0.1413	0.2115	0.3494	0.0496	0.2804	0.5733	0.4009	0.655	0.7998	0.1395	0.6098	0.1402	0.5965	0.2375	0.5584	0.1955	0.5284
17.3730	17.0	3349	12.0430	0.1566	0.2282	0.1566	0.1156	0.1701	0.3496	0.0487	0.2676	0.5526	0.3627	0.6502	0.7968	0.1199	0.5939	0.1329	0.594	0.2224	0.5525	0.1513	0.47
19.5684	18.0	3546	11.9404	0.1599	0.2337	0.1601	0.1398	0.1847	0.3373	0.0498	0.2691	0.5662	0.3903	0.6579	0.7932	0.1305	0.6097	0.1303	0.6181	0.2214	0.5588	0.1574	0.4782
17.9432	19.0	3743	11.9763	0.1659	0.2394	0.1659	0.1262	0.1777	0.3601	0.0487	0.2725	0.5678	0.3887	0.6616	0.7966	0.1489	0.6105	0.1379	0.6112	0.2212	0.5654	0.1557	0.4841
18.3232	20.0	3940	12.0940	0.1572	0.2309	0.1574	0.1271	0.1734	0.3297	0.0512	0.271	0.5631	0.3717	0.6626	0.8015	0.13	0.5991	0.152	0.5853	0.195	0.5625	0.1517	0.5055
17.6403	21.0	4137	12.5035	0.1685	0.2494	0.17	0.1254	0.1986	0.3349	0.0488	0.2837	0.5632	0.3742	0.6571	0.799	0.1369	0.5981	0.1447	0.578	0.2242	0.5551	0.1681	0.5217
16.2092	22.0	4334	12.3009	0.1842	0.2743	0.1858	0.1401	0.1966	0.3379	0.0553	0.2974	0.5754	0.3954	0.6626	0.8046	0.149	0.6101	0.1665	0.6132	0.2186	0.5656	0.2026	0.5126
16.2173	23.0	4531	11.9927	0.1899	0.2799	0.192	0.1536	0.2188	0.364	0.0554	0.3015	0.5809	0.4015	0.6694	0.8118	0.1474	0.6088	0.1712	0.6317	0.2275	0.5593	0.2134	0.5236
16.2246	24.0	4728	11.9161	0.194	0.2853	0.1965	0.1591	0.2181	0.3723	0.057	0.3004	0.5715	0.3904	0.6635	0.7929	0.1559	0.6033	0.1886	0.6084	0.2442	0.5613	0.1874	0.5129
16.0854	25.0	4925	12.1071	0.1841	0.2644	0.1843	0.1431	0.2085	0.3702	0.0555	0.2878	0.5634	0.3697	0.6629	0.8013	0.151	0.5961	0.159	0.5909	0.2501	0.5585	0.1761	0.5082
16.6404	26.0	5122	11.8880	0.1706	0.2473	0.1713	0.1497	0.2103	0.3378	0.0522	0.2774	0.5691	0.3808	0.6692	0.8011	0.1591	0.6128	0.1553	0.6104	0.2156	0.5584	0.1524	0.495
16.5509	27.0	5319	11.9315	0.1675	0.2452	0.1695	0.1516	0.1963	0.3504	0.05	0.2801	0.5609	0.3626	0.6657	0.8052	0.1456	0.5915	0.1561	0.609	0.2135	0.5573	0.1548	0.4857
15.1334	28.0	5516	12.0130	0.1849	0.2688	0.186	0.1634	0.212	0.3607	0.0528	0.2955	0.5758	0.3914	0.668	0.8044	0.1614	0.6041	0.1571	0.6138	0.228	0.5622	0.1932	0.523
17.2440	29.0	5713	11.8829	0.1765	0.2633	0.1759	0.155	0.1847	0.344	0.0518	0.2855	0.572	0.383	0.6678	0.8074	0.1473	0.6048	0.1447	0.6101	0.2176	0.5588	0.1965	0.5143
15.5312	30.0	5910	11.9821	0.1705	0.2482	0.1706	0.1478	0.1948	0.355	0.0514	0.2854	0.5665	0.3718	0.6706	0.8062	0.1416	0.5983	0.1479	0.6037	0.2256	0.5567	0.1668	0.5073
16.9737	31.0	6107	12.0385	0.1877	0.2788	0.187	0.1578	0.211	0.348	0.0556	0.2957	0.576	0.3918	0.6688	0.8054	0.1607	0.6171	0.1512	0.5852	0.2252	0.5674	0.2137	0.5344
15.4584	32.0	6304	11.9647	0.1897	0.2777	0.1899	0.1563	0.2014	0.3765	0.0553	0.2968	0.578	0.3959	0.6698	0.7989	0.1608	0.6105	0.1543	0.6053	0.2325	0.5656	0.2112	0.5307
14.9642	33.0	6501	11.9845	0.1827	0.2705	0.1831	0.1558	0.2015	0.3554	0.056	0.2999	0.5696	0.3785	0.6684	0.8102	0.1522	0.6072	0.1597	0.5956	0.2185	0.5588	0.2003	0.5167
15.6485	34.0	6698	11.8536	0.1859	0.2723	0.1868	0.1695	0.2062	0.3526	0.0532	0.3031	0.5763	0.3922	0.6719	0.8042	0.1601	0.6141	0.1531	0.608	0.2298	0.5667	0.2004	0.5163
13.9603	35.0	6895	12.0123	0.1881	0.2769	0.188	0.1512	0.2049	0.372	0.0543	0.297	0.5779	0.395	0.6692	0.8002	0.1499	0.6149	0.1437	0.5968	0.2386	0.5608	0.2201	0.5393
13.5389	36.0	7092	11.9316	0.1968	0.2873	0.1961	0.1623	0.2137	0.3735	0.0559	0.3117	0.581	0.3994	0.674	0.8079	0.1615	0.6208	0.1735	0.612	0.2465	0.5623	0.2056	0.5289
14.8732	37.0	7289	12.0280	0.1937	0.2862	0.1949	0.1661	0.201	0.3688	0.0548	0.3057	0.5793	0.3997	0.669	0.8032	0.1578	0.618	0.1715	0.6134	0.2412	0.5577	0.2041	0.5283
14.6334	38.0	7486	12.0170	0.196	0.289	0.1963	0.1648	0.2038	0.3738	0.0547	0.3083	0.5792	0.3978	0.6755	0.8044	0.1597	0.6195	0.1768	0.6079	0.2433	0.5673	0.2043	0.5223
15.0557	39.0	7683	12.0455	0.2022	0.2965	0.2024	0.1639	0.2082	0.3881	0.0568	0.3132	0.5876	0.4128	0.6787	0.8055	0.1687	0.6291	0.1697	0.6147	0.2516	0.5744	0.2188	0.5324
15.1453	40.0	7880	12.0157	0.1854	0.2729	0.1841	0.1569	0.2068	0.3458	0.0535	0.2966	0.5787	0.3974	0.672	0.8007	0.1655	0.6195	0.1432	0.5982	0.2401	0.566	0.1929	0.5309
14.1211	41.0	8077	12.0627	0.1783	0.2636	0.1776	0.1513	0.1947	0.3482	0.0553	0.2943	0.5731	0.3821	0.6739	0.8079	0.164	0.6133	0.131	0.5802	0.2267	0.5745	0.1915	0.5242
13.4102	42.0	8274	12.0100	0.1972	0.2923	0.1957	0.1724	0.2077	0.3625	0.0566	0.3077	0.5821	0.4063	0.6759	0.7932	0.178	0.621	0.1524	0.6047	0.2482	0.5745	0.2102	0.528
15.5901	43.0	8471	12.0423	0.1934	0.2857	0.1946	0.1672	0.2123	0.3568	0.0543	0.3086	0.5824	0.4044	0.6744	0.8041	0.1758	0.6236	0.1473	0.6035	0.2365	0.5695	0.2141	0.5332
14.3741	44.0	8668	12.0248	0.1845	0.2728	0.184	0.1608	0.2006	0.3543	0.0562	0.2936	0.5772	0.3964	0.672	0.7981	0.176	0.6228	0.1291	0.5901	0.2329	0.5697	0.2001	0.5262
14.3427	45.0	8865	12.0889	0.1944	0.2854	0.1952	0.1662	0.2047	0.3745	0.0566	0.3051	0.5808	0.4012	0.6733	0.8049	0.1774	0.6181	0.1488	0.6023	0.243	0.5727	0.2084	0.5303
14.6279	46.0	9062	12.0064	0.1798	0.2669	0.1787	0.1609	0.1963	0.3445	0.0545	0.2927	0.573	0.3875	0.6716	0.8011	0.1677	0.6156	0.1345	0.595	0.2291	0.5666	0.1881	0.5147
14.1108	47.0	9259	12.0273	0.1881	0.2794	0.1887	0.1624	0.2015	0.3668	0.056	0.3026	0.5779	0.3959	0.6744	0.7999	0.17	0.6182	0.1466	0.5935	0.2232	0.5715	0.2126	0.5283
13.4491	48.0	9456	12.1198	0.1821	0.27	0.1823	0.1586	0.1978	0.3544	0.0548	0.2951	0.577	0.391	0.6778	0.8068	0.1683	0.6166	0.1374	0.5924	0.2224	0.5745	0.2003	0.5246
14.5219	49.0	9653	12.0486	0.1854	0.273	0.1859	0.1601	0.2013	0.3625	0.0549	0.3027	0.578	0.3949	0.6772	0.8019	0.1698	0.6199	0.1493	0.5986	0.2278	0.5737	0.1948	0.5198
14.8659	50.0	9850	12.1054	0.1865	0.2758	0.1868	0.16	0.2027	0.3628	0.0554	0.3008	0.5795	0.3965	0.6769	0.8031	0.1712	0.6202	0.1458	0.6013	0.2285	0.5749	0.2005	0.5218

Framework versions

Transformers 5.3.0
Pytorch 2.10.0+cu128
Datasets 4.8.4
Tokenizers 0.22.2

merve/rtdetr_v2_r50vd-mobile-ui-design

rtdetr_v2_r50vd-mobile-ui-design

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Seed this model