Segformer B5 640x640 Ade 160k

🚀 分割模型庫 - 基於PyTorch的圖像分割模型

本項目提供了基於PyTorch的圖像分割模型，特別是Segformer模型，可用於高效準確的圖像分割任務，為圖像分析和處理提供強大支持。

🚀 快速開始

你可以點擊下面的按鈕在Colab中運行示例代碼：

安裝依賴

pip install -U segmentation_models_pytorch albumentations

運行推理

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"

# 加載預訓練模型和預處理函數
checkpoint = "smp-hub/segformer-b5-640x640-ade-160k"
model = smp.from_pretrained(checkpoint).eval().to(device)
preprocessing = A.Compose.from_pretrained(checkpoint)

# 加載圖像
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)

# 預處理圖像
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)

# 進行推理
with torch.no_grad():
    output_mask = model(input_tensor)

# 後處理掩碼
mask = torch.nn.functional.interpolate(
    output_mask, size=(image.height, image.width), mode="bilinear", align_corners=False
)
mask = mask.argmax(1).cpu().numpy()  # 在預測類別（通道維度）上取最大值

💻 使用示例

基礎用法

上述的快速開始部分已經展示瞭如何加載預訓練模型並進行推理的基礎用法。

高級用法

如果你想自定義模型的初始化參數，可以參考以下代碼：

model_init_params = {
    "encoder_name": "mit_b5",
    "encoder_depth": 5,
    "encoder_weights": None,
    "decoder_segmentation_channels": 768,
    "in_channels": 3,
    "classes": 150,
    "activation": None,
    "aux_params": None
}

📚 詳細文檔

數據集

本模型使用的數據集為 ADE20K。

更多信息

• 庫地址：https://github.com/qubvel/segmentation_models.pytorch
• 文檔地址：https://smp.readthedocs.io/en/latest/
• 許可證：https://github.com/NVlabs/SegFormer/blob/master/LICENSE

本模型使用 PytorchModelHubMixin 推送到了模型中心。

📄 許可證

本項目使用其他許可證，具體請參考：https://github.com/NVlabs/SegFormer/blob/master/LICENSE 。