Mit B5

🚀 SegFormer (b5サイズ) エンコーダの事前学習済みモデル

SegFormerエンコーダは、Imagenet-1k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ています。

🚀 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。

このリポジトリには事前学習済みの階層型Transformerのみが含まれているため、ファインチューニングに使用することができます。

✨ 主な機能

• 階層型Transformerエンコーダと軽量な全MLPデコードヘッドにより、セマンティックセグメンテーションで優れた性能を発揮します。
• ImageNet-1kで事前学習されており、下流のタスクでのファインチューニングに適しています。

📦 インストール

このセクションでは、インストールに関する具体的なコマンドが提供されていないため、スキップします。

💻 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, SegformerForImageClassification
from PIL import Image
import requests

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/mit-b5")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b5")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

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

SegFormerは、階層型Transformerエンコーダと軽量な全MLPデコードヘッドで構成されています。この構造により、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。

このリポジトリには事前学習済みの階層型Transformerのみが含まれているため、ファインチューニングに使用することができます。

🔧 技術詳細

このセクションでは、具体的な技術説明が50文字以上提供されていないため、スキップします。

📄 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引用

@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}
}

情報テーブル