SegFormer_b2_clothesオープンソースモデル - 無料で高精度な衣服と人体のセグメンテーションを実現

ホーム

Segformer B2 Clothes

mattmdjagaによって開発

ATRデータセットでファインチューニングされたSegFormerモデル、服装と人体セグメンテーション用

画像セグメンテーション

Transformers

オープンソースライセンス:MIT #服装セグメンテーション #人体部位認識 #マルチクラスセグメンテーション

ダウンロード数 666.39k

リリース時間 : 11/24/2022

モデル概要

これはSegFormerアーキテクチャに基づくビジュアルセグメンテーションモデルで、特に服装と人体セグメンテーションタスクに特化しています。モデルは画像中の18種類の異なる服装と身体部位カテゴリを識別・分割できます。

モデル特徴

精密な服装セグメンテーション

上衣、ズボン、靴など18種類の異なる服装と身体部位カテゴリを識別・分割可能

SegFormerアーキテクチャ採用

効率的なSegFormerトランスフォーマーアーキテクチャを採用し、トランスフォーマーの利点とセマンティックセグメンテーションタスクの要件を組み合わせている

高精度セグメンテーション

複数のカテゴリで高精度を達成、特に髪、顔、主要服装カテゴリの認識精度は90%以上

モデル能力

画像セグメンテーション

服装認識

人体部位認識

視覚的シーン理解

使用事例

ファッション・小売

バーチャル試着

正確な服装セグメンテーションにより、バーチャル試着アプリケーションをサポート

ファッション推薦

ユーザーの着こなしスタイルを分析し、パーソナライズされたファッションアドバイスを提供

ヒューマンコンピュータインタラクション

拡張現実アプリケーション

ARアプリで正確な人体部位と服装認識を実現

🚀 Segformer B2 衣類セグメンテーション用にファインチューニングされたモデル

このSegFormerモデルは、ATRデータセットを使用して衣類セグメンテーション用にファインチューニングされていますが、人間のセグメンテーションにも使用できます。Hugging Face上のデータセットは "mattmdjaga/human_parsing_dataset" と呼ばれています。

トレーニングコード。

🚀 クイックスタート

from transformers import SegformerImageProcessor, AutoModelForSemanticSegmentation
from PIL import Image
import requests
import matplotlib.pyplot as plt
import torch.nn as nn

processor = SegformerImageProcessor.from_pretrained("mattmdjaga/segformer_b2_clothes")
model = AutoModelForSemanticSegmentation.from_pretrained("mattmdjaga/segformer_b2_clothes")

url = "https://plus.unsplash.com/premium_photo-1673210886161-bfcc40f54d1f?ixlib=rb-4.0.3&ixid=MnwxMjA3fDB8MHxzZWFyY2h8MXx8cGVyc29uJTIwc3RhbmRpbmd8ZW58MHx8MHx8&w=1000&q=80"

image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits.cpu()

upsampled_logits = nn.functional.interpolate(
    logits,
    size=image.size[::-1],
    mode="bilinear",
    align_corners=False,
)

pred_seg = upsampled_logits.argmax(dim=1)[0]
plt.imshow(pred_seg)

ラベル: 0: "背景", 1: "帽子", 2: "髪", 3: "サングラス", 4: "上着", 5: "スカート", 6: "ズボン", 7: "ドレス", 8: "ベルト", 9: "左靴", 10: "右靴", 11: "顔", 12: "左足", 13: "右足", 14: "左腕", 15: "右腕", 16: "バッグ", 17: "スカーフ"

📚 ドキュメント

評価

ラベルインデックス	ラベル名	カテゴリ精度	カテゴリIoU
0	背景	0.99	0.99
1	帽子	0.73	0.68
2	髪	0.91	0.82
3	サングラス	0.73	0.63
4	上着	0.87	0.78
5	スカート	0.76	0.65
6	ズボン	0.90	0.84
7	ドレス	0.74	0.55
8	ベルト	0.35	0.30
9	左靴	0.74	0.58
10	右靴	0.75	0.60
11	顔	0.92	0.85
12	左足	0.90	0.82
13	右足	0.90	0.81
14	左腕	0.86	0.74
15	右腕	0.82	0.73
16	バッグ	0.91	0.84
17	スカーフ	0.63	0.29

全体的な評価指標:

評価損失: 0.15
平均精度: 0.80
平均IoU: 0.69

📄 ライセンス

このモデルのライセンスはこちらにあります。

🔧 技術詳細

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}
}