Adaptformer LEVIR CD

🚀 AdaptFormer模型在LEVIR - CD數據集上微調

AdaptFormer模型是一個用於遙感圖像變化檢測的模型，它能自適應地解釋分層語義。本模型在LEVIR - CD數據集上進行了微調，分辨率為512x512，可有效應用於圖像分割等視覺任務。

🚀 快速開始

AdaptFormer模型在LEVIR - CD數據集上進行了微調，分辨率為512x512。該模型由Pang等人在論文 AdaptFormer: An Adaptive Hierarchical Semantic Approach for Change Detection on Remote Sensing Images 中提出，並首次在 此倉庫 發佈。

✨ 主要特性

AdaptFormer獨特地設計為能夠自適應地解釋分層語義。它摒棄了一刀切的方法，針對三種不同的語義深度採用不同的策略：

• 對於淺層語義，採用簡單直接的操作；
• 對於中層語義，吸收空間數據以強調區域間的詳細變化；
• 對於深層語義，集成級聯深度注意力，專注於高級表示。

💻 使用示例

基礎用法

from transformers import AutoImageProcessor, AutoModel
from PIL import Image
import requests

image_processor = AutoImageProcessor.from_pretrained("deepang/adaptformer-LEVIR-CD")
model = AutoModel.from_pretrained("deepang/adaptformer-LEVIR-CD")

image_A = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_A.png', stream=True).raw)
image_B = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_B.png', stream=True).raw)
label = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_label.png', stream=True).raw)


inputs = preprocessor(images=(image_A, image_B), return_tensors="pt")
outputs = adaptfromer_model(**inputs)
logits = outputs.logits # shape (batch_size, num_labels, height, width)
pred = logits.argmax(dim=1)[0]

📄 許可證

此模型的許可證信息可在 這裡 找到。

BibTeX引用信息

@article{huang2024adaptformer,
  title={AdaptFormer: An Adaptive Hierarchical Semantic Approach for Change Detection on Remote Sensing Images},
  author={Huang, Teng and Hong, Yile and Pang, Yan and Liang, Jiaming and Hong, Jie and Huang, Lin and Zhang, Yuan and Jia, Yan and Savi, Patrizia},
  journal={IEEE Transactions on Instrumentation and Measurement},
  year={2024},
  publisher={IEEE}
}

📦 信息表格