Segformer B0 Finetuned Segments Sidewalk

🚀 SegFormer (b0尺寸) 模型在Segments.ai人行道語義數據集上的微調

本項目是在 Segments.ai 的 sidewalk-semantic 數據集上微調的 SegFormer 模型。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。它主要用於解決圖像語義分割問題，在相關領域具有高效且準確的特點。

🚀 快速開始

模型描述

SegFormer 由一個分層的 Transformer 編碼器和一個輕量級的全 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成果。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。

如何使用

以下是如何使用此模型對人行道數據集的圖像進行分類的示例：

from transformers import SegformerFeatureExtractor, SegformerForSemanticSegmentation
from PIL import Image
import requests
feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b0-finetuned-ade-512-512")
model = SegformerForSemanticSegmentation.from_pretrained("segments-tobias/segformer-b0-finetuned-segments-sidewalk")
url = "https://segmentsai-prod.s3.eu-west-2.amazonaws.com/assets/admin-tobias/439f6843-80c5-47ce-9b17-0b2a1d54dbeb.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)

更多代碼示例，請參考 文檔。

BibTeX 引用和引用信息

@article{DBLP:journals/corr/abs-2105-15203,
  author    = {Enze Xie and
               Wenhai Wang and
               Zhiding Yu and
               Anima Anandkumar and
               Jose M. Alvarez and
               Ping Luo},
  title     = {SegFormer: Simple and Efficient Design for Semantic Segmentation with
               Transformers},
  journal   = {CoRR},
  volume    = {abs/2105.15203},
  year      = {2021},
  url       = {https://arxiv.org/abs/2105.15203},
  eprinttype = {arXiv},
  eprint    = {2105.15203},
  timestamp = {Wed, 02 Jun 2021 11:46:42 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2105-15203.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

信息表格