许可协议: 其他 标签:

• 视觉
• 图像分割 数据集:
• 城市景观 微件示例:
• 图片地址: https://cdn-media.huggingface.co/Inference-API/Sample-results-on-the-Cityscapes-dataset-The-above-images-show-how-our-method-can-handle.png 示例标题: 道路

基于CityScapes微调的SegFormer (b3尺寸)模型

本SegFormer模型在1024x1024分辨率下针对CityScapes数据集进行了微调。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》中提出，并首发于此代码库。

免责声明：发布SegFormer的团队未为此模型编写说明卡片，本卡片由Hugging Face团队撰写。

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。

使用场景与限制

您可将该原始模型用于语义分割任务。访问模型中心可查找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数据集的图像进行ImageNet千分类：

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

特征提取器 = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b3-finetuned-cityscapes-1024-1024")
模型 = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b3-finetuned-cityscapes-1024-1024")

图片链接 = "http://images.cocodataset.org/val2017/000000039769.jpg"
图像 = Image.open(requests.get(图片链接, stream=True).raw)

输入数据 = 特征提取器(images=图像, return_tensors="pt")
输出结果 = 模型(**输入数据)
逻辑值 = 输出结果.logits  # 维度为(批次大小, 标签数, 高度/4, 宽度/4)

更多代码示例请参阅文档。

文献引用信息

@article{DBLP:journals/corr/abs-2105-15203,
  作者    = {谢恩泽 and
              王威海 and
              于志定 and
              Anima Anandkumar and
              Jose M. Alvarez and
              罗平},
  标题     = {SegFormer：基于Transformer的语义分割简洁高效设计},
  期刊     = {CoRR},
  卷号    = {abs/2105.15203},
  年份      = {2021},
  网址       = {https://arxiv.org/abs/2105.15203},
  电子印本类型 = {arXiv},
  电子印本    = {2105.15203},
  时间戳 = {2021年6月2日 11:46:42 +0200},
  文献URL    = {https://dblp.org/rec/journals/corr/abs-2105-15203.bib},
  文献来源 = {dblp计算机科学文献库, https://dblp.org}
}