Segformer B3 Finetuned Ade 512 512

🚀 SegFormer (b3サイズ) モデルをADE20kでファインチューニング

SegFormerモデルを解像度512x512でADE20kに対してファインチューニングしたものです。このモデルは、Xieらによる論文 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers で紹介され、最初は このリポジトリ で公開されました。

免責事項: SegFormerを公開したチームはこのモデルのモデルカードを作成していないため、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。

🚀 クイックスタート

このモデルは、ADE20kデータセットを用いて解像度512x512でファインチューニングされたSegFormerモデルです。セマンティックセグメンテーションタスクに利用できます。

✨ 主な機能

• 階層型Transformerエンコーダと軽量な全MLPデコードヘッドを備え、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結果を達成します。
• 階層型TransformerはまずImageNet-1kで事前学習され、その後デコードヘッドが追加され、下流のデータセットで一括してファインチューニングされます。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 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1,000のImageNetクラスのいずれかに分類する方法です。

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b3-finetuned-ade-512-512")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b3-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)

より多くの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

このモデルの詳細なドキュメントは こちら 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については ここ を参照してください。

BibTeXエントリと引用情報

@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}
}