Segformer B0 Finetuned Ade 512 512

🚀 SegFormer (b0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、このリポジトリ で最初に公開されました。

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

SegFormerは、階層型Transformerエンコーダと軽量な全MLPデコードヘッドから構成されており、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結果を達成します。階層型Transformerは最初に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。

✨ 主な機能

• 階層型Transformerエンコーダと軽量な全MLPデコードヘッドにより、セマンティックセグメンテーションベンチマークで高い性能を発揮します。
• ImageNet-1kで事前学習された後、下流のデータセットでファインチューニングされます。

📦 インストール

このセクションでは、原ドキュメントにインストール手順が記載されていないため、省略されています。

💻 使用例

基本的な使用法

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

processor = SegformerImageProcessor.from_pretrained("nvidia/segformer-b0-finetuned-ade-512-512")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b0-finetuned-ade-512-512")

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

inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits  # shape (batch_size, num_labels, height/4, width/4)

高度な使用法

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

• このモデルはセマンティックセグメンテーションに使用できます。モデルハブ を参照して、あなたが興味のあるタスクに対してファインチューニングされたバージョンを探してください。

🔧 技術詳細

SegFormerは、階層型Transformerエンコーダと軽量な全MLPデコードヘッドから構成されています。階層型Transformerは最初に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。このアーキテクチャにより、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。

📄 ライセンス

このモデルのライセンスについては、こちら 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}
}