许可证: mit
标签:

• 视觉
• 图像分割
  数据集:
• LEVIR-CD

基于LEVIR-CD微调的AdaptFormer模型

该模型是在512x512分辨率下对LEVIR-CD数据集进行微调的AdaptFormer模型。由Pang等人在论文AdaptFormer: 一种用于遥感图像变化检测的自适应分层语义方法中提出，并首次发布于此代码库。

模型描述

AdaptFormer独特设计用于自适应解析分层语义。它摒弃一刀切的方式，针对三种语义深度采取差异化策略：对浅层语义采用简单操作，对中层语义融合空间数据以突出区域间细节变化，对深层语义集成级联深度注意力机制，聚焦高级语义表征。

以下是使用该模型对图像进行分类的示例代码：

from transformers import AutoImageProcessor, AutoModel  
from PIL import Image  
import requests  

image_processor = AutoImageProcessor.from_pretrained("deepang/adaptformer-LEVIR-CD")  
model = AutoModel.from_pretrained("deepang/adaptformer-LEVIR-CD")  

image_A = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_A.png', stream=True).raw)  
image_B = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_B.png', stream=True).raw)  
label = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_label.png', stream=True).raw)  

inputs = preprocessor(images=(image_A, image_B), return_tensors="pt")  
outputs = adaptfromer_model(**inputs)  
logits = outputs.logits # 输出维度 (batch_size, num_labels, height, width)  
pred = logits.argmax(dim=1)[0]  

许可证

本模型许可证详见此处。

BibTeX引用信息

@article{huang2024adaptformer,  
  title={AdaptFormer: 一种用于遥感图像变化检测的自适应分层语义方法},  
  author={黄腾 and 洪艺乐 and 庞岩 and 梁家铭 and 洪洁 and 黄琳 and 张媛 and 贾岩 and Savi, Patrizia},  
  journal={IEEE仪器与测量汇刊},  
  year={2024},  
  publisher={IEEE}  
}