许可协议: 其他 标签:

• 视觉
• 图像分割 数据集:
• scene_parse_150 微件示例:
• 图片链接: https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000001.jpg 示例标题: 房屋
• 图片链接: https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000002.jpg 示例标题: 城堡

基于ADE20k微调的SegFormer(b2尺寸)模型

该SegFormer模型在512x512分辨率下针对ADE20k数据集进行了微调。该模型由谢等人发表于论文《SegFormer：基于Transformer的语义分割简洁高效设计》，并首次发布于此代码库。

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Transformer编码器与轻量级全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数据集的图像进行分类（输出1000个ImageNet类别之一）：

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

特征提取器 = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b2-finetuned-ade-512-512")
模型 = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b2-finetuned-ade-512-512")

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(batch_size, 类别数, 高/4, 宽/4)

更多代码示例请参阅文档。

引用信息

@article{DBLP:journals/corr/abs-2105-15203,
  作者 = {谢恩泽 and 王文海 and 于志鼎 and 阿尼玛·阿南德库马尔 and 何塞·M·阿尔瓦雷斯 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},
  电子存档类型 = {arXiv},
  电子存档号 = {2105.15203},
  时间戳 = {2021年6月2日 11:46:42 +0200},
  参考文献链接 = {https://dblp.org/rec/journals/corr/abs-2105-15203.bib},
  参考文献来源 = {dblp计算机科学文献库, https://dblp.org}
}