Segformer B0 Finetuned Cityscapes 512 1024

🚀 SegFormer (b4尺寸) 模型在CityScapes上的微調版本

這是一個在CityScapes數據集上以512x1024分辨率進行微調的SegFormer模型，可用於高效的圖像語義分割任務。

🚀 快速開始

SegFormer模型基於Transformer架構，在語義分割領域表現出色。它由分層的Transformer編碼器和輕量級的全MLP解碼頭組成，能夠在ADE20K和Cityscapes等語義分割基準測試中取得優異成績。該模型首先在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微調。

✨ 主要特性

• 分層Transformer編碼器：能夠有效提取圖像的層次特徵。
• 輕量級全MLP解碼頭：在保證性能的同時，降低了模型複雜度。
• 優秀的語義分割能力：在多個語義分割基準測試中表現出色。

💻 使用示例

基礎用法

以下是如何使用該模型將COCO 2017數據集中的圖像分類為1000個ImageNet類別之一的示例代碼：

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-512-1024")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b0-finetuned-cityscapes-512-1024")

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)

如需更多代碼示例，請參考文檔。

📚 詳細文檔

SegFormer由分層Transformer編碼器和輕量級全MLP解碼頭組成，用於在語義分割基準測試（如ADE20K和Cityscapes）中取得良好效果。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一起進行微調。

📄 許可證

該模型的許可證信息可在此處找到。

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}
}

信息表格