🚀 SegFormer (b4-sized) 仅预训练编码器

SegFormer编码器在ImageNet-1k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。

标签

• 视觉

数据集

• ImageNet-1k

示例

• 房屋
• 城堡

免责声明

发布SegFormer的团队并未为此模型撰写模型卡片，因此此模型卡片由Hugging Face团队撰写。

🚀 快速开始

SegFormer编码器在ImageNet-1k上进行了微调，可用于语义分割任务。

✨ 主要特性

• SegFormer由分层Transformer编码器和轻量级全MLP解码头组成，在ADE20K和Cityscapes等语义分割基准测试中取得了优异的成绩。
• 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。
• 本仓库仅包含预训练的分层Transformer，可用于微调目的。

📚 详细文档

预期用途与限制

您可以使用该模型进行语义分割的微调。请查看 模型中心 以查找针对您感兴趣的任务进行微调的版本。

如何使用

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

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

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/mit-b4")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b4")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# 模型预测1000个ImageNet类别之一
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

更多代码示例，请参考 文档。

📄 许可证

此模型的许可证可在 此处 找到。

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}
}