Mobilevitv2 1.0 Voc Deeplabv3

🚀 MobileViTv2 + DeepLabv3 (shehan97/mobilevitv2-1.0-voc-deeplabv3)

MobileViTv2模型在PASCAL VOC數據集上以512x512分辨率進行預訓練，可用於圖像語義分割任務，為視覺領域提供高效解決方案。

🚀 快速開始

MobileViTv2 + DeepLabv3模型可用於圖像語義分割。你可以使用原始模型進行語義分割，也可以在模型中心查找針對你感興趣任務的微調版本。

✨ 主要特性

• MobileViTv2通過將MobileViT中的多頭自注意力機制替換為可分離自注意力機制構建而成。
• 本倉庫中的模型在MobileViT骨幹網絡上添加了DeepLabV3頭部，用於語義分割任務。

💻 使用示例

基礎用法

from transformers import MobileViTv2FeatureExtractor, MobileViTv2ForSemanticSegmentation
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 = MobileViTv2FeatureExtractor.from_pretrained("shehan97/mobilevitv2-1.0-voc-deeplabv3")
model = MobileViTv2ForSemanticSegmentation.from_pretrained("shehan97/mobilevitv2-1.0-voc-deeplabv3")

inputs = feature_extractor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits

predicted_mask = logits.argmax(1).squeeze(0)

目前，特徵提取器和模型均支持PyTorch。

📚 詳細文檔

訓練數據

MobileViT + DeepLabV3模型在ImageNet-1k數據集上進行預訓練，該數據集包含100萬張圖像和1000個類別，然後在PASCAL VOC2012數據集上進行微調。

引用信息

@inproceedings{vision-transformer,
title = {Separable Self-attention for Mobile Vision Transformers},
author = {Sachin Mehta and Mohammad Rastegari},
year = {2022},
URL = {https://arxiv.org/abs/2206.02680}
}

📄 許可證

該模型使用的許可證是Apple sample code license。

免責聲明：發佈MobileViT的團隊並未為該模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。