Mit B4

🚀 SegFormer (b4-sized) エンコーダのみ事前学習済み

SegFormerのエンコーダは、ImageNet-1kで微調整されています。これは、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。

タグ

• ビジュアル

データセット

• ImageNet-1k

サンプル

• 家
• 城

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のエンコーダはImageNet-1kで微調整されており、セマンティックセグメンテーションタスクに使用できます。

✨ 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ベンチマークで優れた成績を収めています。
• 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微調整されます。
• このリポジトリには、微調整目的で使用できる事前学習済みの階層型Transformerのみが含まれています。

📚 ドキュメント

想定用途と制限

このモデルを使用してセマンティックセグメンテーションの微調整を行うことができます。関心のあるタスクに対して微調整されたバージョンを見つけるには、モデルセンター をご確認ください。

使い方

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カテゴリのいずれかに分類する方法の例です：

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-b4")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b4")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# モデルは1000のImageNetカテゴリのいずれかを予測する
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

さらに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。

📄 ライセンス

このモデルのライセンスは こちら で確認できます。

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}
}