库名称: segmentation-models-pytorch 许可证: 其他 任务标签: 图像分割 标签:

• 模型中心混合
• PyTorch模型中心混合
• 分割模型PyTorch版
• 语义分割
• PyTorch
• Segformer 编程语言:
• Python

Segformer模型卡片

目录:

• 加载训练好的模型
• 模型初始化参数
• 模型指标
• 数据集

加载训练好的模型

1. 安装依赖项。

pip install -U segmentation_models_pytorch albumentations

2. 运行推理。

import torch
import requests
import numpy as np
import albumentations as A
import segmentation_models_pytorch as smp

from PIL import Image

device = "cuda" if torch.cuda.is_available() else "cpu"

# 加载预训练模型和预处理函数
checkpoint = "smp-hub/segformer-b0-512x1024-city-160k"
model = smp.from_pretrained(checkpoint).eval().to(device)
preprocessing = A.Compose.from_pretrained(checkpoint)

# 加载图像
url = "https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000001.jpg"
image = Image.open(requests.get(url, stream=True).raw)

# 预处理图像
np_image = np.array(image)
normalized_image = preprocessing(image=np_image)["image"]
input_tensor = torch.as_tensor(normalized_image)
input_tensor = input_tensor.permute(2, 0, 1).unsqueeze(0)  # HWC -> BCHW
input_tensor = input_tensor.to(device)

# 执行推理
with torch.no_grad():
    output_mask = model(input_tensor)

# 后处理掩码
mask = torch.nn.functional.interpolate(
    output_mask, size=(image.height, image.width), mode="bilinear", align_corners=False
)
mask = mask.argmax(1).cpu().numpy()  # 对预测类别（通道维度）取argmax

模型初始化参数

model_init_params = {
    "编码器名称": "mit_b0",
    "编码器深度": 5,
    "编码器权重": None,
    "解码器分割通道数": 256,
    "输入通道数": 3,
    "类别数": 19,
    "激活函数": None,
    "辅助参数": None
}

数据集

数据集名称: Cityscapes

更多信息

• 库地址: https://github.com/qubvel/segmentation_models.pytorch
• 文档: https://smp.readthedocs.io/en/latest/
• 许可证: https://github.com/NVlabs/SegFormer/blob/master/LICENSE

此模型已通过PytorchModelHubMixin推送至Hub