许可协议：apache-2.0
标签：

• 视觉
• 图像分割
  数据集：
• segments/sidewalk-semantic

基于sidewalk-semantic数据集微调的SegFormer（b1尺寸）模型

该SegFormer模型在segments/sidewalk-semantic数据集上以512x512分辨率进行了微调。该模型由谢等人于论文《SegFormer: 基于Transformer的语义分割简洁高效设计》（https://arxiv.org/abs/2105.15203）中提出，并首次发布于此代码库。

模型描述

SegFormer采用分层式Transformer编码器和轻量级全MLP解码头架构，在ADE20K和Cityscapes等语义分割基准测试中表现优异。分层Transformer首先在ImageNet-1k上进行预训练，随后添加解码头并在下游数据集上联合微调。

预期用途与限制

您可将该原始模型用于语义分割任务。访问模型中心可查询针对特定任务微调的版本。

使用方法

以下示例展示如何使用该模型对COCO 2017数据集中的图像进行分类（输出为1000个ImageNet类别之一）：

from transformers import SegformerFeatureExtractor, SegformerForSemanticSegmentation
from PIL import Image
import requests

feature_extractor = SegformerFeatureExtractor(reduce_labels=True)
model = SegformerForSemanticSegmentation.from_pretrained("ChainYo/segformer-sidewalk")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits  # 输出维度 (batch_size, 标签数, 高度/4, 宽度/4)

更多代码示例请参阅文档。