license: other tags:

• 视觉
• 图像分割 datasets:
• 城市景观数据集 widget:
• src: https://cdn-media.huggingface.co/Inference-API/Sample-results-on-the-Cityscapes-dataset-The-above-images-show-how-our-method-can-handle.png example_title: 道路

基于CityScapes微调的SegFormer（b0尺寸）模型

该SegFormer模型在768x768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》（https://arxiv.org/abs/2105.15203）中提出，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模型卡，本模型卡由Hugging Face团队撰写。

模型描述

SegFormer包含一个分层Transformer编码器和一个轻量级全MLP解码头，在ADE20K和Cityscapes等语义分割基准测试中表现出色。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共同微调。

预期用途与限制

您可以将该原始模型用于语义分割任务。请访问模型中心查找您感兴趣任务的微调版本。

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（分为1000个ImageNet类别）：

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-768-768")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-768-768")

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  # 形状为 (batch_size, num_labels, height/4, width/4)

更多代码示例请参阅文档。

许可证

该模型的许可证可在此处查看。

BibTeX条目与引用信息

@article{DBLP:journals/corr/abs-2105-15203,
  author    = {Enze Xie and
               Wenhai Wang and
               Zhiding Yu and
               Anima Anandkumar and
               Jose M. Alvarez and
               Ping Luo},
  title     = {SegFormer: Simple and Efficient Design for Semantic Segmentation with
               Transformers},
  journal   = {CoRR},
  volume    = {abs/2105.15203},
  year      = {2021},
  url       = {https://arxiv.org/abs/2105.15203},
  eprinttype = {arXiv},
  eprint    = {2105.15203},
  timestamp = {Wed, 02 Jun 2021 11:46:42 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2105-15203.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}