Segformer B0 Finetuned Cityscapes 640 1280

🚀 SegFormer (b5-sized) 模型在 CityScapes 上微調

SegFormer 模型在分辨率為 640x1280 的 CityScapes 數據集上進行了微調。它由 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 中發佈。

聲明：發佈 SegFormer 的團隊並未為此模型撰寫模型卡片，此模型卡片由 Hugging Face 團隊編寫。

🚀 快速開始

SegFormer 模型可用於語義分割任務。你可以使用原始模型進行語義分割，也可以在 模型中心 中查找針對你感興趣的任務進行微調的版本。

✨ 主要特性

SegFormer 由分層 Transformer 編碼器和輕量級全 MLP 解碼頭組成，在語義分割基準測試（如 ADE20K 和 Cityscapes）上取得了出色的效果。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

以下是如何使用此模型將 COCO 2017 數據集的圖像分類為 1000 個 ImageNet 類別之一的示例：

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-640-1280")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-640-1280")

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)

更多代碼示例請參考 文檔。

📚 詳細文檔

SegFormer 模型在語義分割領域具有創新性，它結合了分層 Transformer 編碼器和輕量級全 MLP 解碼頭，能夠在多個語義分割基準測試中取得優異成績。分層 Transformer 先在 ImageNet-1k 上預訓練，然後添加解碼頭在下游數據集上微調。

📄 許可證

此模型的許可證信息可在 此處 查看。

🔧 技術細節

SegFormer 模型的核心在於其分層 Transformer 編碼器和輕量級全 MLP 解碼頭的設計。分層 Transformer 能夠捕捉不同尺度的特徵信息，而輕量級全 MLP 解碼頭則可以高效地進行特徵融合和預測。該模型先在 ImageNet-1k 上進行預訓練，學習通用的圖像特徵，然後在下游數據集（如 CityScapes）上進行微調，以適應特定的語義分割任務。這種設計使得 SegFormer 在語義分割基準測試中表現出色。

BibTeX 引用

@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}
}

📦 模型信息