---

许可证: MIT
数据集:

• RGBD-SOD/rgbdsod_datasets

模型卡片模板

模型详情

模型描述

• 开发者: [需补充信息]
• 共享者（可选）: [需补充信息]
• 模型类型: [需补充信息]
• 支持语言（NLP）: [需补充信息]
• 许可证: [需补充信息]
• 微调自模型（可选）: [需补充信息]

模型来源（可选）

• 代码库: https://github.com/DengPingFan/BBS-Net
• 论文（可选）: BBS-Net: 采用分叉骨干策略网络的RGB-D显著目标检测, 2020
• 演示（可选）: [需补充信息]

用途

直接使用

from typing import Dict  
import numpy as np  
from datasets import load_dataset  
from matplotlib import cm  
from PIL import Image  
from torch import Tensor  
from transformers import AutoImageProcessor, AutoModel  

# 加载模型与处理器  
model = AutoModel.from_pretrained("RGBD-SOD/bbsnet", trust_remote_code=True)  
image_processor = AutoImageProcessor.from_pretrained("RGBD-SOD/bbsnet", trust_remote_code=True)  

# 加载测试数据集  
dataset = load_dataset("RGBD-SOD/test", "v1", split="train", cache_dir="data")  
sample = dataset[index]  

# 获取样本数据  
depth: Image.Image = sample["depth"]  
rgb: Image.Image = sample["rgb"]  
gt: Image.Image = sample["gt"]  
name: str = sample["name"]  

# 预处理  
preprocessed_sample: Dict[str, Tensor] = image_processor.preprocess(sample)  

# 预测  
output: Dict[str, Tensor] = model(preprocessed_sample["rgb"], preprocessed_sample["depth"])  

# 后处理  
postprocessed_sample: np.ndarray = image_processor.postprocess(output["logits"], [sample["gt"].size[1], sample["gt"].size[0]])  
prediction = Image.fromarray(np.uint8(cm.gist_earth(postprocessed_sample) * 255))  

# 可视化预测结果与真实标签  
prediction.show()  
gt.show()  

下游任务使用（可选）

[需补充信息]

非适用范围

[需补充信息]

偏差、风险与限制

[需补充信息]

使用建议

用户（包括直接使用和下游开发者）应充分了解模型的风险与局限性。需补充具体建议。

训练详情

训练数据

[需补充信息]

训练流程

预处理（可选）

[需补充信息]

训练超参数

• 训练模式: [需补充信息]

速度、规模与耗时（可选）

[需补充信息]

评估

测试数据、因素与指标

测试数据

[需补充信息]

评估维度

[需补充信息]

评估指标

[需补充信息]

评估结果

[需补充信息]

模型分析（可选）

[需补充信息]

环境影响

碳排放量可通过机器学习影响计算器估算，参考论文Lacoste et al. (2019)。

• 硬件类型: [需补充信息]
• 使用时长: [需补充信息]
• 云服务商: [需补充信息]
• 计算区域: [需补充信息]
• 碳排放量: [需补充信息]

技术规格（可选）

模型架构与目标

[需补充信息]

计算基础设施

[需补充信息]

硬件

[需补充信息]

软件

[需补充信息]

引用（可选）

BibTeX:

@inproceedings{fan2020bbs,  
  title={BBS-Net: RGB-D salient object detection with a bifurcated backbone strategy network},  
  author={Fan, Deng-Ping and Zhai, Yingjie and Borji, Ali and Yang, Jufeng and Shao, Ling},  
  booktitle={Computer Vision--ECCV 2020},  
  pages={275--292},  
  year={2020},  
  organization={Springer}  
}  

APA格式:
[需补充信息]

术语表（可选）

[需补充信息]

其他信息（可选）

[需补充信息]

模型卡片作者（可选）

[需补充信息]

联系方式

[需补充信息]