M

Mit B3

nvidiaによって開発
ImageNet-1kでファインチューニングされたSegFormerエンコーダで、階層型Transformerアーキテクチャを採用し、セマンティックセグメンテーションタスクに適しています。
ダウンロード数 7,136
リリース時間 : 3/2/2022

モデル概要

SegFormerはTransformerベースのセマンティックセグメンテーションモデルで、シンプルで効率的な設計を持っています。このモデルは事前学習済みの階層型Transformerエンコーダのみを含み、下流タスクのファインチューニングに使用できます。

モデル特徴

階層型Transformerアーキテクチャ
階層型Transformerエンコーダを採用し、異なる尺度のビジュアル特徴を効果的に処理できます。
軽量MLPデコーダヘッド
軽量な全MLPデコーダヘッドアーキテクチャと組み合わせ、性能を維持しながら計算コストを削減します。
ImageNet-1k事前学習
エンコーダはImageNet-1kデータセットで事前学習されており、良好な特徴抽出能力を備えています。

モデル能力

画像特徴抽出
セマンティックセグメンテーション
ビジョンタスクのファインチューニング

使用事例

コンピュータビジョン
シーン理解
ADE20Kなどのシーン理解データセットの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。
都市景観分析
Cityscapesなどの都市景観データセットのセマンティックセグメンテーションに適しています。
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase