Segformer B4 Finetuned Ade 512 512

🚀 ADE20kでファインチューニングされたSegFormer (b4サイズ) モデル

SegFormerはTransformerアーキテクチャに基づくセマンティックセグメンテーションモデルで、ADE20kデータセットでファインチューニングされ、画像を効果的にセマンティックセグメンテーションできます。

🚀 クイックスタート

SegFormerモデルは、解像度512x512のADE20kデータセットでファインチューニングされています。このモデルは、Xieらによって論文 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers で提案され、初めて このリポジトリ で公開されました。

⚠️ 重要提示

SegFormerの公開チームはこのモデルのモデルカードを作成していません。このモデルカードはHugging Faceチームによって作成されました。

✨ 主な機能

SegFormerは、階層型Transformerエンコーダと軽量な全MLPデコーダヘッドで構成されており、ADE20KやCityscapesなどのセマンティックセグメンテーションベンチマークで優れた成績を収めています。階層型TransformerはまずImageNet - 1kで事前学習され、その後デコーダヘッドが追加され、下流のデータセットで全体的にファインチューニングされます。

💻 使用例

基本的な使用法

以下は、このモデルを使用してCOCO 2017データセットの画像を1000のImageNetクラスのいずれかに分類する方法の例です。

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b4-finetuned-ade-512-512")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b4-finetuned-ade-512-512")

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)

さらなるコード例については、 ドキュメント を参照してください。

📚 ドキュメント

元のモデルを使用してセマンティックセグメンテーションを行うことができます。関心のあるタスクに合わせてファインチューニングされたバージョンを見つけるには、 モデルセンター を参照してください。

📄 ライセンス

このモデルのライセンスは こちら で確認できます。

📚 引用情報

@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}
}

📋 モデル情報