🚀 SegFormer (b5-sized) 模型在 CityScapes 上微调

SegFormer 模型在分辨率为 640x1280 的 CityScapes 数据集上进行了微调。它由 Xie 等人在论文 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers 中提出，并首次在 此仓库 中发布。

声明：发布 SegFormer 的团队并未为此模型撰写模型卡片，此模型卡片由 Hugging Face 团队编写。

🚀 快速开始

SegFormer 模型可用于语义分割任务。你可以使用原始模型进行语义分割，也可以在 模型中心 中查找针对你感兴趣的任务进行微调的版本。

✨ 主要特性

SegFormer 由分层 Transformer 编码器和轻量级全 MLP 解码头组成，在语义分割基准测试（如 ADE20K 和 Cityscapes）上取得了出色的效果。分层 Transformer 首先在 ImageNet-1k 上进行预训练，然后添加解码头并在下游数据集上进行整体微调。

💻 使用示例

基础用法

以下是如何使用此模型将 COCO 2017 数据集的图像分类为 1000 个 ImageNet 类别之一的示例：

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-640-1280")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-640-1280")

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  # shape (batch_size, num_labels, height/4, width/4)

更多代码示例请参考 文档。

📚 详细文档

SegFormer 模型在语义分割领域具有创新性，它结合了分层 Transformer 编码器和轻量级全 MLP 解码头，能够在多个语义分割基准测试中取得优异成绩。分层 Transformer 先在 ImageNet-1k 上预训练，然后添加解码头在下游数据集上微调。

📄 许可证

此模型的许可证信息可在 此处 查看。

🔧 技术细节

SegFormer 模型的核心在于其分层 Transformer 编码器和轻量级全 MLP 解码头的设计。分层 Transformer 能够捕捉不同尺度的特征信息，而轻量级全 MLP 解码头则可以高效地进行特征融合和预测。该模型先在 ImageNet-1k 上进行预训练，学习通用的图像特征，然后在下游数据集（如 CityScapes）上进行微调，以适应特定的语义分割任务。这种设计使得 SegFormer 在语义分割基准测试中表现出色。

BibTeX 引用

@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}
}

📦 模型信息