#细化调整

该项目在BPMN形状数据集上，精细调优了kacper-cierzniewski/daigram_detr_r50_albumentations模型，取得了有效的评估表现。通过调整学习率、批量大小以及优化器等超参数，并采用线性学习率调度，该模型在多达500个训练周期中持续优化。最终的训练损失达到0.9817，通过Native AMP混合精度训练技术，该模型在BPMN形状识别任务中具有较高的准确性和稳定性。