/opt/venv/lib/python3.10/site-packages/apex/transformer/functional/fused_rope.py:49: UserWarning: Aiter backend is selected for fused RoPE. This has lower precision. To disable aiter, export USE_ROCM_AITER_ROPE_BACKEND=0 warnings.warn("Aiter backend is selected for fused RoPE. This has lower precision. To disable aiter, export USE_ROCM_AITER_ROPE_BACKEND=0", UserWarning) /opt/venv/lib/python3.10/site-packages/timm/models/layers/__init__.py:49: FutureWarning: Importing from timm.models.layers is deprecated, please import via timm.layers warnings.warn(f"Importing from {__name__} is deprecated, please import via timm.layers", FutureWarning) /opt/venv/lib/python3.10/site-packages/torch/functional.py:554: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at /pytorch/aten/src/ATen/native/TensorShape.cpp:4317.) return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined] ══════════════════════════════════════════════════════════════════════  AgriFM × PASTIS — Fold 4 | 2026-04-17 08:38:19 ══════════════════════════════════════════════════════════════════════ Device : VRAM : 191.7 GB Model size : small (~14M) AMP : True Batch size : 16 Epochs : 100 LR : 5e-05 Weight decay : 0.05 Warmup iters : 500 Augmentation : True (flip + rotate) Class weights : True Work dir : ./work_dirs/fold4_small ──────────────────────────────────────────────────────────────────────  Building Datasets ────────────────────────────────────────────────────────────────────── PASTIS fold=4 split=train: 1455 patches (augment=True) PASTIS fold=4 split=val: 496 patches (augment=False) PASTIS fold=4 split=test: 482 patches (augment=False) Train: 1455 Val: 496 Test: 482 Train batches: 90 Val batches: 31 ──────────────────────────────────────────────────────────────────────  Building Model ────────────────────────────────────────────────────────────────────── Total params : 39.6M Trainable params : 39.6M ──────────────────────────────────────────────────────────────────────  Computing Class Weights ────────────────────────────────────────────────────────────────────── Class weights (fold=4, sampled 300 patches): Class Count Weight ────────────────────────────── ────────── ──────── Background 2203811 0.011 Meadow 837973 0.030 Soft winter wheat 195576 0.128 Corn 245541 0.102 Winter barley 83456 0.300 Winter rapeseed 64400 0.389 Spring barley 10440 2.400 Sunflower 69786 0.359 Grapevine 219712 0.114 Beet 3039 8.246 Winter triticale 39131 0.640 Winter durum wheat 92000 0.272 Fruits vegetables flowers 62314 0.402 Potatoes 9508 2.636 Leguminous fodder 102935 0.243 Soybeans 64896 0.386 Orchard 66819 0.375 Mixed cereal 22343 1.122 Sorghum 29722 0.843 ══════════════════════════════════════════════════════════════════════  Training | 100 epochs | model=small (~14M) | fold=4 ══════════════════════════════════════════════════════════════════════ Training MIOpen(HIP): Error [Init] Not found :31-DeviceGroupedConvFwdMultipleABD_Xdl_CShuffle_V3<256, 128, 128, 64, Default, 32, 32, 2, 2, 8, 8, 8, 1, 1, BlkGemmPipelineScheduler: Intrawave, BlkGemmPipelineVersion: v3> [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.8021 lr=5.90e-06 eta=0:00:10 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.7522 lr=9.82e-06 eta=0:00:00 Done: avg_loss=0.7522 time=0:00:19 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 001 / 100 | Elapsed: 0:00:27 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.7522 Val Loss 0.6439 ────────────────── ────────── OA   2.42% mIoU   0.93% mFscore   1.80% ★ mPrecision   3.62% mRecall   13.24% Kappa   1.51% ────────────────── ────────── Best mFscore 0.00% Val Time 6.8s ★ New best mFscore: 1.80% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.5460 lr=1.47e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.5251 lr=1.86e-05 eta=0:00:00 Done: avg_loss=0.5251 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 002 / 100 | Elapsed: 0:00:47 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.5251 Val Loss 0.5058 ────────────────── ────────── OA   10.32% mIoU   7.37% mFscore   12.81% ★ mPrecision   13.50% mRecall   30.47% Kappa   8.66% ────────────────── ────────── Best mFscore 1.80% Val Time 4.0s ★ New best mFscore: 12.81% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.4270 lr=2.35e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.4242 lr=2.75e-05 eta=0:00:00 Done: avg_loss=0.4242 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 003 / 100 | Elapsed: 0:01:06 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.4242 Val Loss 0.4464 ────────────────── ────────── OA   18.69% mIoU   12.03% mFscore   20.11% ★ mPrecision   19.32% mRecall   41.57% Kappa   15.90% ────────────────── ────────── Best mFscore 12.81% Val Time 4.0s ★ New best mFscore: 20.11% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.3564 lr=3.24e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.3728 lr=3.63e-05 eta=0:00:00 Done: avg_loss=0.3728 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 004 / 100 | Elapsed: 0:01:26 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.3728 Val Loss 0.4414 ────────────────── ────────── OA   25.32% mIoU   14.72% mFscore   23.07% ★ mPrecision   22.80% mRecall   40.04% Kappa   21.39% ────────────────── ────────── Best mFscore 20.11% Val Time 4.2s ★ New best mFscore: 23.07% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.3327 lr=4.12e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.3360 lr=4.51e-05 eta=0:00:00 Done: avg_loss=0.3360 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 005 / 100 | Elapsed: 0:01:46 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.3360 Val Loss 0.4218 ────────────────── ────────── OA   19.56% mIoU   15.36% mFscore   24.88% ★ mPrecision   24.98% mRecall   45.12% Kappa   17.11% ────────────────── ────────── Best mFscore 23.07% Val Time 4.1s ★ New best mFscore: 24.88% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.3191 lr=5.00e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.3278 lr=5.00e-05 eta=0:00:00 Done: avg_loss=0.3278 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 006 / 100 | Elapsed: 0:02:05 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.3278 Val Loss 0.3942 ────────────────── ────────── OA   25.20% mIoU   16.79% mFscore   26.28% ★ mPrecision   23.10% mRecall   47.25% Kappa   22.02% ────────────────── ────────── Best mFscore 24.88% Val Time 4.0s ★ New best mFscore: 26.28% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.2833 lr=5.00e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.3034 lr=5.00e-05 eta=0:00:00 Done: avg_loss=0.3034 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 007 / 100 | Elapsed: 0:02:25 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.3034 Val Loss 0.3641 ────────────────── ────────── OA   28.49% mIoU   20.11% mFscore   30.27% ★ mPrecision   27.30% mRecall   50.22% Kappa   24.59% ────────────────── ────────── Best mFscore 26.28% Val Time 4.0s ★ New best mFscore: 30.27% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.2740 lr=4.99e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.2655 lr=4.99e-05 eta=0:00:00 Done: avg_loss=0.2655 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 008 / 100 | Elapsed: 0:02:45 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.2655 Val Loss 0.3456 ────────────────── ────────── OA   33.44% mIoU   21.78% mFscore   32.54% ★ mPrecision   35.17% mRecall   53.36% Kappa   28.82% ────────────────── ────────── Best mFscore 30.27% Val Time 4.1s ★ New best mFscore: 32.54% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.2439 lr=4.99e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.2511 lr=4.98e-05 eta=0:00:00 Done: avg_loss=0.2511 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 009 / 100 | Elapsed: 0:03:05 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.2511 Val Loss 0.3428 ────────────────── ────────── OA   32.33% mIoU   22.82% mFscore   33.62% ★ mPrecision   34.15% mRecall   55.18% Kappa   27.81% ────────────────── ────────── Best mFscore 32.54% Val Time 4.1s ★ New best mFscore: 33.62% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.2244 lr=4.98e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.2337 lr=4.97e-05 eta=0:00:00 Done: avg_loss=0.2337 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 010 / 100 | Elapsed: 0:03:25 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.2337 Val Loss 0.3340 ────────────────── ────────── OA   32.02% mIoU   23.65% mFscore   34.45% ★ mPrecision   34.22% mRecall   56.29% Kappa   28.16% ────────────────── ────────── Best mFscore 33.62% Val Time 4.0s ★ New best mFscore: 34.45% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.2171 lr=4.97e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.2201 lr=4.96e-05 eta=0:00:00 Done: avg_loss=0.2201 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 011 / 100 | Elapsed: 0:03:44 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.2201 Val Loss 0.3281 ────────────────── ────────── OA   32.68% mIoU   23.73% mFscore   34.59% ★ mPrecision   36.29% mRecall   55.17% Kappa   28.26% ────────────────── ────────── Best mFscore 34.45% Val Time 4.2s ★ New best mFscore: 34.59% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.2107 lr=4.95e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.2123 lr=4.94e-05 eta=0:00:00 Done: avg_loss=0.2123 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 012 / 100 | Elapsed: 0:04:04 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.2123 Val Loss 0.3141 ────────────────── ────────── OA   37.03% mIoU   27.02% mFscore   38.63% ★ mPrecision   37.16% mRecall   59.22% Kappa   32.06% ────────────────── ────────── Best mFscore 34.59% Val Time 4.0s ★ New best mFscore: 38.63% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1961 lr=4.93e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1974 lr=4.93e-05 eta=0:00:00 Done: avg_loss=0.1974 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 013 / 100 | Elapsed: 0:04:24 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1974 Val Loss 0.3089 ────────────────── ────────── OA   41.43% mIoU   29.17% mFscore   41.42% ★ mPrecision   39.79% mRecall   60.79% Kappa   35.29% ────────────────── ────────── Best mFscore 38.63% Val Time 3.9s ★ New best mFscore: 41.42% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1856 lr=4.91e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1833 lr=4.90e-05 eta=0:00:00 Done: avg_loss=0.1833 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 014 / 100 | Elapsed: 0:04:43 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1833 Val Loss 0.3326 ────────────────── ────────── OA   40.98% mIoU   27.56% mFscore   39.94% mPrecision   37.75% mRecall   59.02% Kappa   35.62% ────────────────── ────────── Best mFscore 41.42% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1842 lr=4.89e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1916 lr=4.88e-05 eta=0:00:00 Done: avg_loss=0.1916 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 015 / 100 | Elapsed: 0:05:02 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1916 Val Loss 0.3361 ────────────────── ────────── OA   38.80% mIoU   27.72% mFscore   39.65% mPrecision   37.80% mRecall   59.43% Kappa   33.03% ────────────────── ────────── Best mFscore 41.42% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1770 lr=4.87e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1797 lr=4.85e-05 eta=0:00:00 Done: avg_loss=0.1797 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 016 / 100 | Elapsed: 0:05:22 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1797 Val Loss 0.3214 ────────────────── ────────── OA   42.73% mIoU   29.65% mFscore   42.05% ★ mPrecision   40.02% mRecall   59.62% Kappa   36.82% ────────────────── ────────── Best mFscore 41.42% Val Time 4.1s ★ New best mFscore: 42.05% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1651 lr=4.84e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1669 lr=4.82e-05 eta=0:00:00 Done: avg_loss=0.1669 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 017 / 100 | Elapsed: 0:05:41 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1669 Val Loss 0.3088 ────────────────── ────────── OA   49.31% mIoU   32.15% mFscore   45.26% ★ mPrecision   41.34% mRecall   65.59% Kappa   42.88% ────────────────── ────────── Best mFscore 42.05% Val Time 4.1s ★ New best mFscore: 45.26% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1629 lr=4.81e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1618 lr=4.79e-05 eta=0:00:00 Done: avg_loss=0.1618 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 018 / 100 | Elapsed: 0:06:01 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1618 Val Loss 0.3110 ────────────────── ────────── OA   45.61% mIoU   31.59% mFscore   44.07% mPrecision   41.60% mRecall   63.74% Kappa   39.60% ────────────────── ────────── Best mFscore 45.26% Val Time 3.9s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1496 lr=4.77e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1518 lr=4.76e-05 eta=0:00:00 Done: avg_loss=0.1518 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 019 / 100 | Elapsed: 0:06:20 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1518 Val Loss 0.3115 ────────────────── ────────── OA   48.53% mIoU   31.79% mFscore   44.47% mPrecision   43.13% mRecall   62.25% Kappa   42.03% ────────────────── ────────── Best mFscore 45.26% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1435 lr=4.74e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1480 lr=4.72e-05 eta=0:00:00 Done: avg_loss=0.1480 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 020 / 100 | Elapsed: 0:06:39 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1480 Val Loss 0.2999 ────────────────── ────────── OA   46.03% mIoU   29.97% mFscore   42.41% mPrecision   38.82% mRecall   63.43% Kappa   39.75% ────────────────── ────────── Best mFscore 45.26% Val Time 3.9s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1422 lr=4.70e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1424 lr=4.68e-05 eta=0:00:00 Done: avg_loss=0.1424 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 021 / 100 | Elapsed: 0:06:58 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1424 Val Loss 0.3056 ────────────────── ────────── OA   49.69% mIoU   32.56% mFscore   45.52% ★ mPrecision   42.11% mRecall   63.65% Kappa   43.19% ────────────────── ────────── Best mFscore 45.26% Val Time 4.0s ★ New best mFscore: 45.52% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1417 lr=4.66e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1394 lr=4.64e-05 eta=0:00:00 Done: avg_loss=0.1394 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 022 / 100 | Elapsed: 0:07:18 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1394 Val Loss 0.3104 ────────────────── ────────── OA   48.14% mIoU   32.69% mFscore   45.48% mPrecision   41.56% mRecall   64.85% Kappa   41.74% ────────────────── ────────── Best mFscore 45.52% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1294 lr=4.62e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1300 lr=4.60e-05 eta=0:00:00 Done: avg_loss=0.1300 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 023 / 100 | Elapsed: 0:07:37 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1300 Val Loss 0.3224 ────────────────── ────────── OA   50.52% mIoU   33.92% mFscore   46.99% ★ mPrecision   44.36% mRecall   64.78% Kappa   44.08% ────────────────── ────────── Best mFscore 45.52% Val Time 4.0s ★ New best mFscore: 46.99% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1222 lr=4.57e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1269 lr=4.55e-05 eta=0:00:00 Done: avg_loss=0.1269 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 024 / 100 | Elapsed: 0:07:57 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1269 Val Loss 0.3541 ────────────────── ────────── OA   50.41% mIoU   34.25% mFscore   47.05% ★ mPrecision   45.39% mRecall   62.06% Kappa   43.61% ────────────────── ────────── Best mFscore 46.99% Val Time 4.1s ★ New best mFscore: 47.05% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1292 lr=4.53e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1267 lr=4.51e-05 eta=0:00:00 Done: avg_loss=0.1267 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 025 / 100 | Elapsed: 0:08:17 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1267 Val Loss 0.3154 ────────────────── ────────── OA   50.85% mIoU   33.42% mFscore   46.44% mPrecision   43.02% mRecall   65.88% Kappa   44.21% ────────────────── ────────── Best mFscore 47.05% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1183 lr=4.48e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1194 lr=4.45e-05 eta=0:00:00 Done: avg_loss=0.1194 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 026 / 100 | Elapsed: 0:08:36 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1194 Val Loss 0.3345 ────────────────── ────────── OA   51.72% mIoU   35.32% mFscore   48.28% ★ mPrecision   44.46% mRecall   65.34% Kappa   44.90% ────────────────── ────────── Best mFscore 47.05% Val Time 4.0s ★ New best mFscore: 48.28% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1156 lr=4.43e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1180 lr=4.40e-05 eta=0:00:00 Done: avg_loss=0.1180 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 027 / 100 | Elapsed: 0:08:55 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1180 Val Loss 0.3366 ────────────────── ────────── OA   53.55% mIoU   33.85% mFscore   46.71% mPrecision   42.02% mRecall   66.03% Kappa   46.69% ────────────────── ────────── Best mFscore 48.28% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1126 lr=4.37e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1174 lr=4.35e-05 eta=0:00:00 Done: avg_loss=0.1174 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 028 / 100 | Elapsed: 0:09:14 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1174 Val Loss 0.3347 ────────────────── ────────── OA   50.29% mIoU   31.74% mFscore   44.67% mPrecision   41.16% mRecall   63.62% Kappa   43.64% ────────────────── ────────── Best mFscore 48.28% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1327 lr=4.32e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1269 lr=4.29e-05 eta=0:00:00 Done: avg_loss=0.1269 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 029 / 100 | Elapsed: 0:09:34 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1269 Val Loss 0.3398 ────────────────── ────────── OA   53.61% mIoU   35.30% mFscore   48.43% ★ mPrecision   45.04% mRecall   65.20% Kappa   46.76% ────────────────── ────────── Best mFscore 48.28% Val Time 4.0s ★ New best mFscore: 48.43% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1090 lr=4.26e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1103 lr=4.23e-05 eta=0:00:00 Done: avg_loss=0.1103 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 030 / 100 | Elapsed: 0:09:53 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1103 Val Loss 0.3339 ────────────────── ────────── OA   54.02% mIoU   34.85% mFscore   47.97% mPrecision   43.16% mRecall   66.35% Kappa   47.21% ────────────────── ────────── Best mFscore 48.43% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1043 lr=4.20e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.1054 lr=4.17e-05 eta=0:00:00 Done: avg_loss=0.1054 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 031 / 100 | Elapsed: 0:10:12 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.1054 Val Loss 0.3292 ────────────────── ────────── OA   54.13% mIoU   36.19% mFscore   49.11% ★ mPrecision   46.37% mRecall   65.57% Kappa   47.21% ────────────────── ────────── Best mFscore 48.43% Val Time 4.0s ★ New best mFscore: 49.11% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0954 lr=4.14e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0994 lr=4.11e-05 eta=0:00:00 Done: avg_loss=0.0994 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 032 / 100 | Elapsed: 0:10:32 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0994 Val Loss 0.3385 ────────────────── ────────── OA   56.24% mIoU   35.40% mFscore   48.62% mPrecision   44.42% mRecall   65.23% Kappa   49.22% ────────────────── ────────── Best mFscore 49.11% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.1007 lr=4.08e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0989 lr=4.05e-05 eta=0:00:00 Done: avg_loss=0.0989 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 033 / 100 | Elapsed: 0:10:51 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0989 Val Loss 0.3512 ────────────────── ────────── OA   54.29% mIoU   36.59% mFscore   49.35% ★ mPrecision   45.14% mRecall   66.23% Kappa   47.43% ────────────────── ────────── Best mFscore 49.11% Val Time 4.1s ★ New best mFscore: 49.35% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0910 lr=4.01e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0915 lr=3.98e-05 eta=0:00:00 Done: avg_loss=0.0915 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 034 / 100 | Elapsed: 0:11:11 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0915 Val Loss 0.3342 ────────────────── ────────── OA   56.96% mIoU   37.62% mFscore   51.09% ★ mPrecision   45.92% mRecall   67.41% Kappa   49.88% ────────────────── ────────── Best mFscore 49.35% Val Time 4.1s ★ New best mFscore: 51.09% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0861 lr=3.95e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0897 lr=3.92e-05 eta=0:00:00 Done: avg_loss=0.0897 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 035 / 100 | Elapsed: 0:11:30 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0897 Val Loss 0.3469 ────────────────── ────────── OA   57.54% mIoU   37.21% mFscore   50.85% mPrecision   45.98% mRecall   67.26% Kappa   50.65% ────────────────── ────────── Best mFscore 51.09% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0876 lr=3.88e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0861 lr=3.85e-05 eta=0:00:00 Done: avg_loss=0.0861 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 036 / 100 | Elapsed: 0:11:50 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0861 Val Loss 0.3384 ────────────────── ────────── OA   57.89% mIoU   37.35% mFscore   50.73% mPrecision   45.58% mRecall   67.79% Kappa   50.95% ────────────────── ────────── Best mFscore 51.09% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0800 lr=3.81e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0800 lr=3.78e-05 eta=0:00:00 Done: avg_loss=0.0800 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 037 / 100 | Elapsed: 0:12:09 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0800 Val Loss 0.3676 ────────────────── ────────── OA   59.92% mIoU   38.69% mFscore   52.24% ★ mPrecision   46.98% mRecall   68.36% Kappa   52.88% ────────────────── ────────── Best mFscore 51.09% Val Time 4.1s ★ New best mFscore: 52.24% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0797 lr=3.74e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0795 lr=3.71e-05 eta=0:00:00 Done: avg_loss=0.0795 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 038 / 100 | Elapsed: 0:12:28 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0795 Val Loss 0.3450 ────────────────── ────────── OA   58.38% mIoU   38.86% mFscore   52.39% ★ mPrecision   47.30% mRecall   68.44% Kappa   51.40% ────────────────── ────────── Best mFscore 52.24% Val Time 4.1s ★ New best mFscore: 52.39% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0755 lr=3.67e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0758 lr=3.63e-05 eta=0:00:00 Done: avg_loss=0.0758 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 039 / 100 | Elapsed: 0:12:48 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0758 Val Loss 0.3579 ────────────────── ────────── OA   60.99% mIoU   38.46% mFscore   51.82% mPrecision   46.25% mRecall   68.53% Kappa   53.93% ────────────────── ────────── Best mFscore 52.39% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0750 lr=3.59e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0746 lr=3.56e-05 eta=0:00:00 Done: avg_loss=0.0746 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 040 / 100 | Elapsed: 0:13:08 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0746 Val Loss 0.3746 ────────────────── ────────── OA   60.45% mIoU   39.35% mFscore   52.95% ★ mPrecision   47.47% mRecall   68.22% Kappa   53.26% ────────────────── ────────── Best mFscore 52.39% Val Time 4.1s ★ New best mFscore: 52.95% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0758 lr=3.52e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0770 lr=3.49e-05 eta=0:00:00 Done: avg_loss=0.0770 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 041 / 100 | Elapsed: 0:13:28 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0770 Val Loss 0.3909 ────────────────── ────────── OA   59.88% mIoU   39.54% mFscore   53.16% ★ mPrecision   48.21% mRecall   67.30% Kappa   52.73% ────────────────── ────────── Best mFscore 52.95% Val Time 4.1s ★ New best mFscore: 53.16% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0731 lr=3.44e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0755 lr=3.41e-05 eta=0:00:00 Done: avg_loss=0.0755 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 042 / 100 | Elapsed: 0:13:47 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0755 Val Loss 0.3838 ────────────────── ────────── OA   61.54% mIoU   39.85% mFscore   53.79% ★ mPrecision   48.49% mRecall   68.02% Kappa   54.49% ────────────────── ────────── Best mFscore 53.16% Val Time 4.0s ★ New best mFscore: 53.79% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0781 lr=3.37e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0773 lr=3.33e-05 eta=0:00:00 Done: avg_loss=0.0773 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 043 / 100 | Elapsed: 0:14:07 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0773 Val Loss 0.3919 ────────────────── ────────── OA   60.34% mIoU   40.29% mFscore   53.98% ★ mPrecision   49.11% mRecall   68.48% Kappa   53.20% ────────────────── ────────── Best mFscore 53.79% Val Time 4.0s ★ New best mFscore: 53.98% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0669 lr=3.29e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0670 lr=3.26e-05 eta=0:00:00 Done: avg_loss=0.0670 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 044 / 100 | Elapsed: 0:14:27 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0670 Val Loss 0.3930 ────────────────── ────────── OA   62.24% mIoU   39.97% mFscore   53.76% mPrecision   48.06% mRecall   68.45% Kappa   55.06% ────────────────── ────────── Best mFscore 53.98% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0679 lr=3.21e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0678 lr=3.18e-05 eta=0:00:00 Done: avg_loss=0.0678 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 045 / 100 | Elapsed: 0:14:46 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0678 Val Loss 0.3776 ────────────────── ────────── OA   63.64% mIoU   39.88% mFscore   53.70% mPrecision   47.92% mRecall   68.39% Kappa   56.38% ────────────────── ────────── Best mFscore 53.98% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0633 lr=3.13e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0645 lr=3.10e-05 eta=0:00:00 Done: avg_loss=0.0645 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 046 / 100 | Elapsed: 0:15:05 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0645 Val Loss 0.3771 ────────────────── ────────── OA   60.77% mIoU   39.57% mFscore   53.21% mPrecision   48.17% mRecall   67.63% Kappa   53.64% ────────────────── ────────── Best mFscore 53.98% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0621 lr=3.05e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0628 lr=3.02e-05 eta=0:00:00 Done: avg_loss=0.0628 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 047 / 100 | Elapsed: 0:15:25 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0628 Val Loss 0.4149 ────────────────── ────────── OA   62.80% mIoU   40.95% mFscore   54.82% ★ mPrecision   49.39% mRecall   67.83% Kappa   55.60% ────────────────── ────────── Best mFscore 53.98% Val Time 4.0s ★ New best mFscore: 54.82% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0630 lr=2.97e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0605 lr=2.94e-05 eta=0:00:00 Done: avg_loss=0.0605 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 048 / 100 | Elapsed: 0:15:44 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0605 Val Loss 0.3967 ────────────────── ────────── OA   63.94% mIoU   41.83% mFscore   55.67% ★ mPrecision   50.37% mRecall   69.38% Kappa   56.84% ────────────────── ────────── Best mFscore 54.82% Val Time 4.1s ★ New best mFscore: 55.67% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0568 lr=2.89e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0607 lr=2.86e-05 eta=0:00:00 Done: avg_loss=0.0607 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 049 / 100 | Elapsed: 0:16:04 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0607 Val Loss 0.4104 ────────────────── ────────── OA   61.74% mIoU   39.54% mFscore   53.34% mPrecision   47.83% mRecall   68.43% Kappa   54.65% ────────────────── ────────── Best mFscore 55.67% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0608 lr=2.81e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0590 lr=2.78e-05 eta=0:00:00 Done: avg_loss=0.0590 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 050 / 100 | Elapsed: 0:16:23 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0590 Val Loss 0.4251 ────────────────── ────────── OA   61.47% mIoU   39.93% mFscore   53.24% mPrecision   48.22% mRecall   68.05% Kappa   54.35% ────────────────── ────────── Best mFscore 55.67% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0559 lr=2.73e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0574 lr=2.69e-05 eta=0:00:00 Done: avg_loss=0.0574 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 051 / 100 | Elapsed: 0:16:43 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0574 Val Loss 0.4278 ────────────────── ────────── OA   62.89% mIoU   40.75% mFscore   54.64% mPrecision   49.64% mRecall   67.80% Kappa   55.72% ────────────────── ────────── Best mFscore 55.67% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0584 lr=2.65e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0564 lr=2.61e-05 eta=0:00:00 Done: avg_loss=0.0564 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 052 / 100 | Elapsed: 0:17:02 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0564 Val Loss 0.4142 ────────────────── ────────── OA   64.29% mIoU   41.25% mFscore   55.10% mPrecision   49.26% mRecall   68.89% Kappa   57.16% ────────────────── ────────── Best mFscore 55.67% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0521 lr=2.57e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0531 lr=2.53e-05 eta=0:00:00 Done: avg_loss=0.0531 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 053 / 100 | Elapsed: 0:17:21 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0531 Val Loss 0.4498 ────────────────── ────────── OA   65.51% mIoU   42.15% mFscore   55.85% ★ mPrecision   51.38% mRecall   68.28% Kappa   58.32% ────────────────── ────────── Best mFscore 55.67% Val Time 4.0s ★ New best mFscore: 55.85% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0527 lr=2.49e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0525 lr=2.45e-05 eta=0:00:00 Done: avg_loss=0.0525 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 054 / 100 | Elapsed: 0:17:41 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0525 Val Loss 0.4373 ────────────────── ────────── OA   62.96% mIoU   41.59% mFscore   55.50% mPrecision   50.64% mRecall   68.39% Kappa   55.84% ────────────────── ────────── Best mFscore 55.85% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0521 lr=2.41e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0517 lr=2.37e-05 eta=0:00:00 Done: avg_loss=0.0517 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 055 / 100 | Elapsed: 0:18:00 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0517 Val Loss 0.4529 ────────────────── ────────── OA   64.25% mIoU   42.39% mFscore   56.38% ★ mPrecision   51.09% mRecall   68.64% Kappa   57.11% ────────────────── ────────── Best mFscore 55.85% Val Time 4.1s ★ New best mFscore: 56.38% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0509 lr=2.32e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0511 lr=2.29e-05 eta=0:00:00 Done: avg_loss=0.0511 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 056 / 100 | Elapsed: 0:18:20 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0511 Val Loss 0.4412 ────────────────── ────────── OA   62.42% mIoU   40.50% mFscore   54.33% mPrecision   48.80% mRecall   68.78% Kappa   55.30% ────────────────── ────────── Best mFscore 56.38% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0498 lr=2.24e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0504 lr=2.21e-05 eta=0:00:00 Done: avg_loss=0.0504 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 057 / 100 | Elapsed: 0:18:39 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0504 Val Loss 0.4580 ────────────────── ────────── OA   66.55% mIoU   42.71% mFscore   56.45% ★ mPrecision   51.53% mRecall   68.24% Kappa   59.32% ────────────────── ────────── Best mFscore 56.38% Val Time 4.0s ★ New best mFscore: 56.45% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0487 lr=2.16e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0488 lr=2.13e-05 eta=0:00:00 Done: avg_loss=0.0488 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 058 / 100 | Elapsed: 0:18:59 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0488 Val Loss 0.4465 ────────────────── ────────── OA   65.80% mIoU   42.92% mFscore   56.99% ★ mPrecision   52.09% mRecall   68.39% Kappa   58.63% ────────────────── ────────── Best mFscore 56.45% Val Time 4.1s ★ New best mFscore: 56.99% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0467 lr=2.08e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0470 lr=2.05e-05 eta=0:00:00 Done: avg_loss=0.0470 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 059 / 100 | Elapsed: 0:19:19 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0470 Val Loss 0.4547 ────────────────── ────────── OA   65.32% mIoU   43.23% mFscore   57.21% ★ mPrecision   52.83% mRecall   68.15% Kappa   58.11% ────────────────── ────────── Best mFscore 56.99% Val Time 4.1s ★ New best mFscore: 57.21% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0463 lr=2.00e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0466 lr=1.97e-05 eta=0:00:00 Done: avg_loss=0.0466 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 060 / 100 | Elapsed: 0:19:38 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0466 Val Loss 0.4398 ────────────────── ────────── OA   64.47% mIoU   42.31% mFscore   56.30% mPrecision   51.37% mRecall   68.36% Kappa   57.37% ────────────────── ────────── Best mFscore 57.21% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0459 lr=1.92e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0465 lr=1.89e-05 eta=0:00:00 Done: avg_loss=0.0465 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 061 / 100 | Elapsed: 0:19:58 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0465 Val Loss 0.4517 ────────────────── ────────── OA   65.88% mIoU   43.55% mFscore   57.56% ★ mPrecision   52.82% mRecall   69.01% Kappa   58.73% ────────────────── ────────── Best mFscore 57.21% Val Time 4.0s ★ New best mFscore: 57.56% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0450 lr=1.84e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0455 lr=1.81e-05 eta=0:00:00 Done: avg_loss=0.0455 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 062 / 100 | Elapsed: 0:20:17 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0455 Val Loss 0.4817 ────────────────── ────────── OA   65.44% mIoU   43.50% mFscore   57.38% mPrecision   53.28% mRecall   68.63% Kappa   58.34% ────────────────── ────────── Best mFscore 57.56% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0432 lr=1.77e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0433 lr=1.73e-05 eta=0:00:00 Done: avg_loss=0.0433 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 063 / 100 | Elapsed: 0:20:36 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0433 Val Loss 0.4855 ────────────────── ────────── OA   66.76% mIoU   43.45% mFscore   57.47% mPrecision   52.85% mRecall   68.12% Kappa   59.57% ────────────────── ────────── Best mFscore 57.56% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0437 lr=1.69e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0432 lr=1.66e-05 eta=0:00:00 Done: avg_loss=0.0432 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 064 / 100 | Elapsed: 0:20:55 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0432 Val Loss 0.4910 ────────────────── ────────── OA   66.78% mIoU   44.41% mFscore   58.34% ★ mPrecision   54.36% mRecall   68.47% Kappa   59.64% ────────────────── ────────── Best mFscore 57.56% Val Time 4.0s ★ New best mFscore: 58.34% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0427 lr=1.61e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0432 lr=1.58e-05 eta=0:00:00 Done: avg_loss=0.0432 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 065 / 100 | Elapsed: 0:21:15 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0432 Val Loss 0.4664 ────────────────── ────────── OA   67.06% mIoU   43.74% mFscore   57.70% mPrecision   52.31% mRecall   69.27% Kappa   59.93% ────────────────── ────────── Best mFscore 58.34% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0424 lr=1.54e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0418 lr=1.51e-05 eta=0:00:00 Done: avg_loss=0.0418 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 066 / 100 | Elapsed: 0:21:34 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0418 Val Loss 0.4647 ────────────────── ────────── OA   67.77% mIoU   44.20% mFscore   58.15% mPrecision   53.45% mRecall   68.75% Kappa   60.66% ────────────────── ────────── Best mFscore 58.34% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0412 lr=1.47e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0418 lr=1.43e-05 eta=0:00:00 Done: avg_loss=0.0418 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 067 / 100 | Elapsed: 0:21:54 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0418 Val Loss 0.4799 ────────────────── ────────── OA   67.78% mIoU   44.00% mFscore   57.98% mPrecision   53.68% mRecall   68.22% Kappa   60.59% ────────────────── ────────── Best mFscore 58.34% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0403 lr=1.39e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0403 lr=1.36e-05 eta=0:00:00 Done: avg_loss=0.0403 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 068 / 100 | Elapsed: 0:22:13 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0403 Val Loss 0.4857 ────────────────── ────────── OA   67.58% mIoU   44.37% mFscore   58.38% ★ mPrecision   53.98% mRecall   68.95% Kappa   60.46% ────────────────── ────────── Best mFscore 58.34% Val Time 4.0s ★ New best mFscore: 58.38% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0393 lr=1.32e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0391 lr=1.29e-05 eta=0:00:00 Done: avg_loss=0.0391 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 069 / 100 | Elapsed: 0:22:33 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0391 Val Loss 0.4680 ────────────────── ────────── OA   67.19% mIoU   44.25% mFscore   58.34% mPrecision   53.62% mRecall   69.22% Kappa   60.06% ────────────────── ────────── Best mFscore 58.38% Val Time 4.2s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0406 lr=1.25e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0391 lr=1.22e-05 eta=0:00:00 Done: avg_loss=0.0391 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 070 / 100 | Elapsed: 0:22:52 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0391 Val Loss 0.4943 ────────────────── ────────── OA   66.93% mIoU   44.43% mFscore   58.35% mPrecision   54.60% mRecall   68.06% Kappa   59.74% ────────────────── ────────── Best mFscore 58.38% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0385 lr=1.18e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0382 lr=1.15e-05 eta=0:00:00 Done: avg_loss=0.0382 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 071 / 100 | Elapsed: 0:23:11 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0382 Val Loss 0.4838 ────────────────── ────────── OA   68.49% mIoU   45.03% mFscore   59.12% ★ mPrecision   54.52% mRecall   69.18% Kappa   61.40% ────────────────── ────────── Best mFscore 58.38% Val Time 4.0s ★ New best mFscore: 59.12% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0381 lr=1.12e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0377 lr=1.09e-05 eta=0:00:00 Done: avg_loss=0.0377 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 072 / 100 | Elapsed: 0:23:31 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0377 Val Loss 0.4905 ────────────────── ────────── OA   68.89% mIoU   45.14% mFscore   59.20% ★ mPrecision   54.93% mRecall   68.36% Kappa   61.72% ────────────────── ────────── Best mFscore 59.12% Val Time 4.1s ★ New best mFscore: 59.20% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0373 lr=1.05e-05 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0370 lr=1.02e-05 eta=0:00:00 Done: avg_loss=0.0370 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 073 / 100 | Elapsed: 0:23:51 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0370 Val Loss 0.5078 ────────────────── ────────── OA   68.24% mIoU   44.00% mFscore   57.95% mPrecision   53.42% mRecall   68.32% Kappa   61.11% ────────────────── ────────── Best mFscore 59.20% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0363 lr=9.88e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0362 lr=9.61e-06 eta=0:00:00 Done: avg_loss=0.0362 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 074 / 100 | Elapsed: 0:24:10 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0362 Val Loss 0.4990 ────────────────── ────────── OA   69.69% mIoU   45.58% mFscore   59.67% ★ mPrecision   55.57% mRecall   68.55% Kappa   62.56% ────────────────── ────────── Best mFscore 59.20% Val Time 4.0s ★ New best mFscore: 59.67% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0355 lr=9.26e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0358 lr=8.99e-06 eta=0:00:00 Done: avg_loss=0.0358 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 075 / 100 | Elapsed: 0:24:30 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0358 Val Loss 0.5187 ────────────────── ────────── OA   68.80% mIoU   45.33% mFscore   59.29% mPrecision   55.31% mRecall   68.23% Kappa   61.64% ────────────────── ────────── Best mFscore 59.67% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0356 lr=8.66e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0356 lr=8.40e-06 eta=0:00:00 Done: avg_loss=0.0356 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 076 / 100 | Elapsed: 0:24:49 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0356 Val Loss 0.4988 ────────────────── ────────── OA   69.62% mIoU   45.66% mFscore   59.69% ★ mPrecision   55.23% mRecall   68.78% Kappa   62.51% ────────────────── ────────── Best mFscore 59.67% Val Time 4.1s ★ New best mFscore: 59.69% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0353 lr=8.08e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0351 lr=7.83e-06 eta=0:00:00 Done: avg_loss=0.0351 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 077 / 100 | Elapsed: 0:25:08 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0351 Val Loss 0.5203 ────────────────── ────────── OA   69.37% mIoU   45.50% mFscore   59.43% mPrecision   55.90% mRecall   68.14% Kappa   62.19% ────────────────── ────────── Best mFscore 59.69% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0356 lr=7.52e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0347 lr=7.27e-06 eta=0:00:00 Done: avg_loss=0.0347 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 078 / 100 | Elapsed: 0:25:28 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0347 Val Loss 0.5114 ────────────────── ────────── OA   69.14% mIoU   45.34% mFscore   59.43% mPrecision   55.46% mRecall   68.32% Kappa   61.99% ────────────────── ────────── Best mFscore 59.69% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0346 lr=6.97e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0342 lr=6.74e-06 eta=0:00:00 Done: avg_loss=0.0342 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 079 / 100 | Elapsed: 0:25:47 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0342 Val Loss 0.5279 ────────────────── ────────── OA   68.69% mIoU   45.33% mFscore   59.42% mPrecision   55.63% mRecall   68.01% Kappa   61.52% ────────────────── ────────── Best mFscore 59.69% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0339 lr=6.45e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0338 lr=6.22e-06 eta=0:00:00 Done: avg_loss=0.0338 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 080 / 100 | Elapsed: 0:26:06 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0338 Val Loss 0.5332 ────────────────── ────────── OA   69.40% mIoU   45.73% mFscore   59.65% mPrecision   56.06% mRecall   67.88% Kappa   62.24% ────────────────── ────────── Best mFscore 59.69% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0346 lr=5.95e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0337 lr=5.73e-06 eta=0:00:00 Done: avg_loss=0.0337 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 081 / 100 | Elapsed: 0:26:25 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0337 Val Loss 0.5173 ────────────────── ────────── OA   69.76% mIoU   45.94% mFscore   59.92% ★ mPrecision   56.06% mRecall   68.43% Kappa   62.63% ────────────────── ────────── Best mFscore 59.69% Val Time 4.0s ★ New best mFscore: 59.92% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0336 lr=5.47e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0332 lr=5.26e-06 eta=0:00:00 Done: avg_loss=0.0332 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 082 / 100 | Elapsed: 0:26:45 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0332 Val Loss 0.5220 ────────────────── ────────── OA   69.88% mIoU   45.57% mFscore   59.57% mPrecision   55.53% mRecall   68.01% Kappa   62.72% ────────────────── ────────── Best mFscore 59.92% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0320 lr=5.01e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0328 lr=4.81e-06 eta=0:00:00 Done: avg_loss=0.0328 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 083 / 100 | Elapsed: 0:27:04 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0328 Val Loss 0.5308 ────────────────── ────────── OA   69.49% mIoU   45.79% mFscore   59.73% mPrecision   56.03% mRecall   68.06% Kappa   62.35% ────────────────── ────────── Best mFscore 59.92% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0332 lr=4.57e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0327 lr=4.39e-06 eta=0:00:00 Done: avg_loss=0.0327 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 084 / 100 | Elapsed: 0:27:23 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0327 Val Loss 0.5325 ────────────────── ────────── OA   70.15% mIoU   45.63% mFscore   59.63% mPrecision   55.63% mRecall   68.15% Kappa   63.01% ────────────────── ────────── Best mFscore 59.92% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0321 lr=4.16e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0323 lr=3.99e-06 eta=0:00:00 Done: avg_loss=0.0323 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 085 / 100 | Elapsed: 0:27:42 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0323 Val Loss 0.5455 ────────────────── ────────── OA   69.95% mIoU   45.97% mFscore   59.98% ★ mPrecision   56.50% mRecall   67.82% Kappa   62.79% ────────────────── ────────── Best mFscore 59.92% Val Time 4.1s ★ New best mFscore: 59.98% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0321 lr=3.77e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0322 lr=3.61e-06 eta=0:00:00 Done: avg_loss=0.0322 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 086 / 100 | Elapsed: 0:28:02 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0322 Val Loss 0.5428 ────────────────── ────────── OA   69.86% mIoU   45.87% mFscore   59.88% mPrecision   56.19% mRecall   68.16% Kappa   62.74% ────────────────── ────────── Best mFscore 59.98% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0316 lr=3.41e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0318 lr=3.26e-06 eta=0:00:00 Done: avg_loss=0.0318 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 087 / 100 | Elapsed: 0:28:21 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0318 Val Loss 0.5466 ────────────────── ────────── OA   70.10% mIoU   45.85% mFscore   59.83% mPrecision   56.30% mRecall   67.93% Kappa   62.96% ────────────────── ────────── Best mFscore 59.98% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0312 lr=3.07e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0317 lr=2.93e-06 eta=0:00:00 Done: avg_loss=0.0317 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 088 / 100 | Elapsed: 0:28:40 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0317 Val Loss 0.5382 ────────────────── ────────── OA   70.19% mIoU   46.10% mFscore   60.13% ★ mPrecision   56.65% mRecall   68.06% Kappa   63.05% ────────────────── ────────── Best mFscore 59.98% Val Time 4.0s ★ New best mFscore: 60.13% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0315 lr=2.75e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0315 lr=2.62e-06 eta=0:00:00 Done: avg_loss=0.0315 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 089 / 100 | Elapsed: 0:29:00 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0315 Val Loss 0.5373 ────────────────── ────────── OA   70.04% mIoU   46.03% mFscore   60.04% mPrecision   56.54% mRecall   68.11% Kappa   62.90% ────────────────── ────────── Best mFscore 60.13% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0308 lr=2.46e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0314 lr=2.34e-06 eta=0:00:00 Done: avg_loss=0.0314 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 090 / 100 | Elapsed: 0:29:19 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0314 Val Loss 0.5509 ────────────────── ────────── OA   70.18% mIoU   46.08% mFscore   60.11% mPrecision   56.54% mRecall   67.79% Kappa   63.00% ────────────────── ────────── Best mFscore 60.13% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0315 lr=2.20e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0314 lr=2.09e-06 eta=0:00:00 Done: avg_loss=0.0314 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 091 / 100 | Elapsed: 0:29:38 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0314 Val Loss 0.5429 ────────────────── ────────── OA   69.76% mIoU   46.14% mFscore   60.12% mPrecision   56.69% mRecall   68.06% Kappa   62.61% ────────────────── ────────── Best mFscore 60.13% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0311 lr=1.96e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0310 lr=1.86e-06 eta=0:00:00 Done: avg_loss=0.0310 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 092 / 100 | Elapsed: 0:29:57 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0310 Val Loss 0.5437 ────────────────── ────────── OA   70.40% mIoU   46.11% mFscore   60.09% mPrecision   56.87% mRecall   67.76% Kappa   63.25% ────────────────── ────────── Best mFscore 60.13% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0314 lr=1.75e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0309 lr=1.66e-06 eta=0:00:00 Done: avg_loss=0.0309 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 093 / 100 | Elapsed: 0:30:16 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0309 Val Loss 0.5327 ────────────────── ────────── OA   70.61% mIoU   46.18% mFscore   60.22% ★ mPrecision   56.55% mRecall   68.07% Kappa   63.47% ────────────────── ────────── Best mFscore 60.13% Val Time 4.0s ★ New best mFscore: 60.22% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0308 lr=1.56e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0308 lr=1.49e-06 eta=0:00:00 Done: avg_loss=0.0308 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 094 / 100 | Elapsed: 0:30:36 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0308 Val Loss 0.5469 ────────────────── ────────── OA   70.64% mIoU   46.31% mFscore   60.28% ★ mPrecision   56.82% mRecall   67.86% Kappa   63.48% ────────────────── ────────── Best mFscore 60.22% Val Time 4.0s ★ New best mFscore: 60.28% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0307 lr=1.40e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0307 lr=1.34e-06 eta=0:00:00 Done: avg_loss=0.0307 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 095 / 100 | Elapsed: 0:30:55 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0307 Val Loss 0.5523 ────────────────── ────────── OA   71.06% mIoU   46.33% mFscore   60.33% ★ mPrecision   56.90% mRecall   67.83% Kappa   63.92% ────────────────── ────────── Best mFscore 60.28% Val Time 4.0s ★ New best mFscore: 60.33% → saved best_model.pth Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0306 lr=1.27e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0307 lr=1.22e-06 eta=0:00:00 Done: avg_loss=0.0307 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 096 / 100 | Elapsed: 0:31:15 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0307 Val Loss 0.5598 ────────────────── ────────── OA   71.14% mIoU   46.26% mFscore   60.22% mPrecision   56.86% mRecall   67.76% Kappa   64.00% ────────────────── ────────── Best mFscore 60.33% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0303 lr=1.16e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0306 lr=1.12e-06 eta=0:00:00 Done: avg_loss=0.0306 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 097 / 100 | Elapsed: 0:31:34 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0306 Val Loss 0.5539 ────────────────── ────────── OA   70.63% mIoU   46.15% mFscore   60.14% mPrecision   56.65% mRecall   67.87% Kappa   63.49% ────────────────── ────────── Best mFscore 60.33% Val Time 4.0s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0312 lr=1.08e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0309 lr=1.05e-06 eta=0:00:00 Done: avg_loss=0.0309 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 098 / 100 | Elapsed: 0:31:53 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0309 Val Loss 0.5460 ────────────────── ────────── OA   70.76% mIoU   46.10% mFscore   60.11% mPrecision   56.44% mRecall   67.91% Kappa   63.61% ────────────────── ────────── Best mFscore 60.33% Val Time 3.9s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0301 lr=1.03e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0306 lr=1.01e-06 eta=0:00:00 Done: avg_loss=0.0306 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 099 / 100 | Elapsed: 0:32:13 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0306 Val Loss 0.5572 ────────────────── ────────── OA   70.78% mIoU   46.32% mFscore   60.30% mPrecision   57.10% mRecall   67.55% Kappa   63.61% ────────────────── ────────── Best mFscore 60.33% Val Time 4.1s Training [██████████████████████░░░░░░░░░░░░░░░░░░] 55.6% iter 50/90 loss=0.0301 lr=1.00e-06 eta=0:00:06 [████████████████████████████████████████] 100.0% iter 90/90 loss=0.0307 lr=1.00e-06 eta=0:00:00 Done: avg_loss=0.0307 time=0:00:14 Validating... ──────────────────────────────────────────────────────────────────────  Epoch 100 / 100 | Elapsed: 0:32:32 ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── Train Loss 0.0307 Val Loss 0.5639 ────────────────── ────────── OA   70.70% mIoU   46.21% mFscore   60.19% mPrecision   56.60% mRecall   67.81% Kappa   63.55% ────────────────── ────────── Best mFscore 60.33% Val Time 4.0s ══════════════════════════════════════════════════════════════════════  Final Test Evaluation ══════════════════════════════════════════════════════════════════════ Testidating... ──────────────────────────────────────────────────────────────────────  Final Test Results ────────────────────────────────────────────────────────────────────── Metric Value ────────────────── ────────── OA   71.48% mIoU   46.80% mFscore   61.00% mPrecision   57.40% mRecall   68.93% Kappa   64.33% ────────────────── ────────── Test Loss 0.4765 Total Time 0:32:39 ──────────────────────────────────────────────────────────────────────  Per-Class IoU (Test) ────────────────────────────────────────────────────────────────────── Class IoU Bar ────────────────────────────── ─────── ──────────────────── Background 54.88% ██████████ Meadow 58.18% ███████████ Soft winter wheat 71.18% ██████████████ Corn 77.09% ███████████████ Winter barley 62.90% ████████████ Winter rapeseed 77.49% ███████████████ Spring barley 38.06% ███████ Sunflower 57.16% ███████████ Grapevine 38.60% ███████ Beet 71.87% ██████████████ Winter triticale 23.72% ████ Winter durum wheat 47.26% █████████ Fruits vegetables flowers 22.67% ████ Potatoes 42.60% ████████ Leguminous fodder 28.88% █████ Soybeans 62.73% ████████████ Orchard 18.81% ███ Mixed cereal 16.81% ███ Sorghum 18.40% ███ All results saved to: ./work_dirs/fold4_small training_log.txt — full training log log.json — per-epoch metrics test_results.json — final test + per-class IoU best_model.pth — best checkpoint (by val mFscore) latest.pth — last epoch checkpoint args.json — training configuration