Segformer B2 Finetuned Ade 512 512

🚀 SegFormer（b2サイズ）モデルをADE20k上でファインチューニング

本プロジェクトは、解像度512x512のADE20kデータセット上でファインチューニングされたSegFormerモデルです。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。

声明：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のベンチマークで優れた結果を達成しています。
• 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。

🚀 クイックスタート

このオリジナル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対するファインチューニングされたバージョンを探すには、モデルセンター を参照してください。

💻 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カテゴリの1つに分類する方法のサンプルコードです。

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b2-finetuned-ade-512-512")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b2-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

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、セマンティックセグメンテーションの効率的な設計を実現することを目的としています。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ファインチューニングされることで、セマンティックセグメンテーションのベンチマークで優れた成績を収めています。

📄 ライセンス

ライセンスタイプ：その他

📋 モデル情報

📖 引用情報

このモデルを引用する場合は、以下のBibTeXエントリを使用してください。

@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}
}

🎨 サンプル展示

• 住宅のサンプル
• 城のサンプル