fb-detr-table_detection_v1.0

This model is a fine-tuned version of facebook/detr-resnet-50 on the imagefolder dataset. It achieves the following results on the evaluation set:

• Loss: 0.2380

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: 1e-05
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• gradient_accumulation_steps: 2
• total_train_batch_size: 16
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 300

Training results

Training Loss	Epoch	Step	Validation Loss
2.1131	1.21	20	1.3387
1.7233	2.42	40	1.1735
1.4974	3.64	60	1.0333
1.4395	4.85	80	1.0741
1.2497	6.06	100	0.7493
1.0696	7.27	120	0.6951
1.2718	8.48	140	0.7663
1.3003	9.7	160	0.9187
1.1703	10.91	180	0.6581
1.1463	12.12	200	0.6728
1.1198	13.33	220	0.6519
1.1313	14.55	240	0.6019
0.8707	15.76	260	0.5460
0.9215	16.97	280	0.5729
0.8017	18.18	300	0.5418
0.7221	19.39	320	0.5402
0.6872	20.61	340	0.5618
0.729	21.82	360	0.5744
0.7702	23.03	380	0.5305
0.7845	24.24	400	0.5043
0.7473	25.45	420	0.4903
0.7031	26.67	440	0.4830
0.6726	27.88	460	0.4640
0.6327	29.09	480	0.4662
0.6806	30.3	500	0.4619
0.6626	31.52	520	0.5005
0.6622	32.73	540	0.4601
0.7345	33.94	560	0.5567
0.7202	35.15	580	0.4721
0.6754	36.36	600	0.4950
0.608	37.58	620	0.4949
0.6812	38.79	640	0.4893
0.6648	40.0	660	0.5383
0.5884	41.21	680	0.4344
0.5823	42.42	700	0.4617
0.6158	43.64	720	0.4269
0.5702	44.85	740	0.4209
0.6794	46.06	760	0.4438
0.6795	47.27	780	0.4777
0.661	48.48	800	0.4214
0.6217	49.7	820	0.4380
0.6664	50.91	840	0.4573
0.5767	52.12	860	0.4435
0.5596	53.33	880	0.4772
0.5907	54.55	900	0.4336
0.56	55.76	920	0.4219
0.566	56.97	940	0.4606
0.5551	58.18	960	0.4153
0.5454	59.39	980	0.4567
0.5452	60.61	1000	0.4702
0.6073	61.82	1020	0.4247
0.5517	63.03	1040	0.4300
0.5351	64.24	1060	0.4356
0.532	65.45	1080	0.3722
0.5638	66.67	1100	0.3627
0.5537	67.88	1120	0.4079
0.5007	69.09	1140	0.3965
0.5202	70.3	1160	0.3760
0.5156	71.52	1180	0.4091
0.5396	72.73	1200	0.3823
0.5092	73.94	1220	0.3866
0.4667	75.15	1240	0.3713
0.4725	76.36	1260	0.3536
0.4835	77.58	1280	0.3421
0.4999	78.79	1300	0.3294
0.4983	80.0	1320	0.3866
0.4917	81.21	1340	0.3061
0.502	82.42	1360	0.3908
0.5435	83.64	1380	0.3587
0.4925	84.85	1400	0.3662
0.469	86.06	1420	0.3547
0.4184	87.27	1440	0.3229
0.4232	88.48	1460	0.3478
0.3962	89.7	1480	0.3286
0.4217	90.91	1500	0.3668
0.427	92.12	1520	0.3554
0.4433	93.33	1540	0.3214
0.4304	94.55	1560	0.3243
0.4353	95.76	1580	0.2909
0.4153	96.97	1600	0.3032
0.3819	98.18	1620	0.2858
0.3911	99.39	1640	0.2721
0.3513	100.61	1660	0.2763
0.3266	101.82	1680	0.2538
0.3222	103.03	1700	0.2543
0.3326	104.24	1720	0.2548
0.3219	105.45	1740	0.2737
0.3313	106.67	1760	0.2381
0.3557	107.88	1780	0.2728
0.3312	109.09	1800	0.2784
0.3206	110.3	1820	0.2462
0.3015	111.52	1840	0.2587
0.2903	112.73	1860	0.2411
0.2853	113.94	1880	0.2533
0.2917	115.15	1900	0.2662
0.2802	116.36	1920	0.2491
0.2774	117.58	1940	0.2523
0.2848	118.79	1960	0.2426
0.2813	120.0	1980	0.2339
0.2752	121.21	2000	0.2444
0.2804	122.42	2020	0.2231
0.2456	123.64	2040	0.2174
0.2689	124.85	2060	0.2136
0.252	126.06	2080	0.2257
0.2498	127.27	2100	0.2311
0.2404	128.48	2120	0.2260
0.2608	129.7	2140	0.2256
0.2332	130.91	2160	0.2135
0.2345	132.12	2180	0.2229
0.2558	133.33	2200	0.2022
0.2228	134.55	2220	0.2115
0.2269	135.76	2240	0.2069
0.2264	136.97	2260	0.2124
0.2151	138.18	2280	0.2117
0.2375	139.39	2300	0.1976
0.2231	140.61	2320	0.2047
0.2157	141.82	2340	0.2107
0.2307	143.03	2360	0.1989
0.2097	144.24	2380	0.2077
0.2134	145.45	2400	0.2234
0.1975	146.67	2420	0.2179
0.2087	147.88	2440	0.2019
0.2029	149.09	2460	0.2041
0.2038	150.3	2480	0.2036
0.2202	151.52	2500	0.1984
0.203	152.73	2520	0.1943
0.2201	153.94	2540	0.2064
0.1868	155.15	2560	0.2126
0.2185	156.36	2580	0.2131
0.1917	157.58	2600	0.2031
0.1898	158.79	2620	0.2009
0.1923	160.0	2640	0.2170
0.1865	161.21	2660	0.2068
0.1971	162.42	2680	0.2053
0.1942	163.64	2700	0.2011
0.1902	164.85	2720	0.1993
0.1817	166.06	2740	0.1952
0.1837	167.27	2760	0.2222
0.1835	168.48	2780	0.2173
0.1923	169.7	2800	0.2072
0.1798	170.91	2820	0.2069
0.1815	172.12	2840	0.2078
0.1724	173.33	2860	0.2183
0.1924	174.55	2880	0.2005
0.1922	175.76	2900	0.2069
0.1709	176.97	2920	0.2212
0.1766	178.18	2940	0.1978
0.1728	179.39	2960	0.2029
0.1757	180.61	2980	0.2030
0.1665	181.82	3000	0.2219
0.1694	183.03	3020	0.2205
0.1786	184.24	3040	0.2020
0.1749	185.45	3060	0.2007
0.1739	186.67	3080	0.2046
0.1723	187.88	3100	0.1986
0.1669	189.09	3120	0.2041
0.1658	190.3	3140	0.2179
0.1701	191.52	3160	0.2159
0.1691	192.73	3180	0.2099
0.1739	193.94	3200	0.1996
0.1729	195.15	3220	0.2126
0.1636	196.36	3240	0.2080
0.1612	197.58	3260	0.2154
0.1653	198.79	3280	0.2031
0.1629	200.0	3300	0.2206
0.1565	201.21	3320	0.2223
0.1632	202.42	3340	0.2122
0.1689	203.64	3360	0.1986
0.1682	204.85	3380	0.2092
0.1671	206.06	3400	0.2309
0.175	207.27	3420	0.2129
0.1607	208.48	3440	0.2393
0.165	209.7	3460	0.2125
0.1593	210.91	3480	0.2304
0.1594	212.12	3500	0.2325
0.1471	213.33	3520	0.2341
0.1598	214.55	3540	0.2175
0.1542	215.76	3560	0.2162
0.1602	216.97	3580	0.2277
0.1577	218.18	3600	0.2117
0.1625	219.39	3620	0.2118
0.1517	220.61	3640	0.2252
0.1545	221.82	3660	0.2129
0.152	223.03	3680	0.2216
0.161	224.24	3700	0.2169
0.1509	225.45	3720	0.2225
0.1502	226.67	3740	0.2339
0.1542	227.88	3760	0.2199
0.145	229.09	3780	0.2270
0.1499	230.3	3800	0.2189
0.1506	231.52	3820	0.2227
0.1556	232.73	3840	0.2260
0.1454	233.94	3860	0.2213
0.1472	235.15	3880	0.2159
0.1437	236.36	3900	0.2256
0.1448	237.58	3920	0.2278
0.1536	238.79	3940	0.2288
0.1446	240.0	3960	0.2400
0.1593	241.21	3980	0.2284
0.1463	242.42	4000	0.2258
0.1472	243.64	4020	0.2263
0.1455	244.85	4040	0.2285
0.1442	246.06	4060	0.2250
0.1499	247.27	4080	0.2318
0.1485	248.48	4100	0.2238
0.1545	249.7	4120	0.2257
0.1296	250.91	4140	0.2396
0.1425	252.12	4160	0.2377
0.1441	253.33	4180	0.2390
0.1343	254.55	4200	0.2389
0.1445	255.76	4220	0.2244
0.1445	256.97	4240	0.2299
0.1429	258.18	4260	0.2209
0.1479	259.39	4280	0.2221
0.1429	260.61	4300	0.2372
0.1452	261.82	4320	0.2357
0.1501	263.03	4340	0.2370
0.1404	264.24	4360	0.2311
0.1314	265.45	4380	0.2454
0.1498	266.67	4400	0.2243
0.1418	267.88	4420	0.2243
0.1453	269.09	4440	0.2258
0.1378	270.3	4460	0.2300
0.1442	271.52	4480	0.2269
0.1463	272.73	4500	0.2249
0.1352	273.94	4520	0.2262
0.1419	275.15	4540	0.2333
0.1326	276.36	4560	0.2358
0.1373	277.58	4580	0.2256
0.1317	278.79	4600	0.2295
0.1367	280.0	4620	0.2371
0.1346	281.21	4640	0.2352
0.1357	282.42	4660	0.2300
0.1372	283.64	4680	0.2414
0.1298	284.85	4700	0.2417
0.1368	286.06	4720	0.2269
0.1447	287.27	4740	0.2312
0.1394	288.48	4760	0.2339
0.1258	289.7	4780	0.2399
0.1427	290.91	4800	0.2380

Framework versions

• Transformers 4.30.2
• Pytorch 2.0.1+cu118
• Datasets 2.13.0
• Tokenizers 0.11.0