Segformer B1 Sidewalk

🚀 SegFormer（b1大小）模型在人行道語義數據集上微調

SegFormer模型在segments/sidewalk-semantic數據集上以512x512分辨率進行了微調。該模型由Xie等人在論文SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers中提出，並首次在此倉庫發佈。它主要用於圖像分割領域，能有效解決圖像語義分割問題，為相關視覺任務提供了強大的支持。

🚀 快速開始

SegFormer模型可直接用於語義分割任務。你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

SegFormer由分層Transformer編碼器和輕量級全MLP解碼頭組成，在ADE20K和Cityscapes等語義分割基準測試中取得了出色的效果。分層Transformer首先在ImageNet - 1k上進行預訓練，然後添加解碼頭，並在下游數據集上進行整體微調。

💻 使用示例

基礎用法

from transformers import SegformerFeatureExtractor, SegformerForSemanticSegmentation
from PIL import Image
import requests

feature_extractor = SegformerFeatureExtractor(reduce_labels=True)
model = SegformerForSemanticSegmentation.from_pretrained("ChainYo/segformer-sidewalk")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits  # shape (batch_size, num_labels, height/4, width/4)

高級用法

如需更多代碼示例，請參考文檔。

📄 許可證

本模型使用的是Apache - 2.0許可證。