Upernet Convnext Small

🚀 UPerNetモデルカード

このUPerNetモデルは、画像セグメンテーションタスクに特化したモデルです。セグメンテーションモデルの事前学習済みモデルを簡単に利用でき、Pythonでの実装が可能です。

🚀 クイックスタート

学習済みモデルの読み込み

1. 必要なライブラリをインストールします。

pip install -U segmentation_models_pytorch albumentations

2. 推論を実行します。

import torch
import requests
import numpy as np
import albumentations as A
import segmentation_models_pytorch as smp

from PIL import Image

device = "cuda" if torch.cuda.is_available() else "cpu"

# 事前学習済みモデルと前処理関数を読み込む
checkpoint = "smp-hub/upernet-convnext-small"
model = smp.from_pretrained(checkpoint).eval().to(device)
preprocessing = A.Compose.from_pretrained(checkpoint)

# 画像を読み込む
url = "https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000001.jpg"
image = Image.open(requests.get(url, stream=True).raw)

# 画像を前処理する
np_image = np.array(image)
normalized_image = preprocessing(image=np_image)["image"]
input_tensor = torch.as_tensor(normalized_image)
input_tensor = input_tensor.permute(2, 0, 1).unsqueeze(0)  # HWC -> BCHW
input_tensor = input_tensor.to(device)

# 推論を実行する
with torch.no_grad():
    output_mask = model(input_tensor)

# マスクを後処理する
mask = mask.argmax(1).cpu().numpy()  # 予測されたクラス（チャンネル次元）に対してargmaxを実行

✨ 主な機能

このモデルは、画像セグメンテーションタスクに特化しており、以下のような機能を持っています。

• 事前学習済みモデルを簡単に利用できる。
• 多様なエンコーダとデコーダの組み合わせが可能。
• 画像の前処理と後処理を自動化できる。

📦 インストール

必要なライブラリをインストールするには、以下のコマンドを実行します。

pip install -U segmentation_models_pytorch albumentations

💻 使用例

基本的な使用法

import torch
import requests
import numpy as np
import albumentations as A
import segmentation_models_pytorch as smp

from PIL import Image

device = "cuda" if torch.cuda.is_available() else "cpu"

# 事前学習済みモデルと前処理関数を読み込む
checkpoint = "smp-hub/upernet-convnext-small"
model = smp.from_pretrained(checkpoint).eval().to(device)
preprocessing = A.Compose.from_pretrained(checkpoint)

# 画像を読み込む
url = "https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000001.jpg"
image = Image.open(requests.get(url, stream=True).raw)

# 画像を前処理する
np_image = np.array(image)
normalized_image = preprocessing(image=np_image)["image"]
input_tensor = torch.as_tensor(normalized_image)
input_tensor = input_tensor.permute(2, 0, 1).unsqueeze(0)  # HWC -> BCHW
input_tensor = input_tensor.to(device)

# 推論を実行する
with torch.no_grad():
    output_mask = model(input_tensor)

# マスクを後処理する
mask = mask.argmax(1).cpu().numpy()  # 予測されたクラス（チャンネル次元）に対してargmaxを実行

📚 ドキュメント

モデル初期化パラメータ

model_init_params = {
    "encoder_name": "tu-convnext_small.in12k_ft_in1k",
    "encoder_depth": 5,
    "encoder_weights": "imagenet",
    "decoder_channels": 512,
    "decoder_use_norm": "batchnorm",
    "in_channels": 3,
    "classes": 150,
    "activation": None,
    "aux_params": None
}

データセット

データセット名: ADE20K

その他の情報

• ライブラリ: https://github.com/qubvel/segmentation_models.pytorch
• ドキュメント: https://smp.readthedocs.io/en/latest/

このモデルは、PytorchModelHubMixinを使用してハブに公開されています。

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。