Segformer B0 1024x1024 City 160k

🚀 分割模型庫 - PyTorch版

segmentation-models-pytorch 是一個專注於圖像分割任務的庫，提供了預訓練的Segformer模型，能幫助開發者快速搭建圖像分割模型並進行推理。

🚀 快速開始

加載預訓練模型

點擊下面的按鈕在Colab中運行示例代碼：

1. 安裝所需依賴：

pip install -U segmentation_models_pytorch albumentations

2. 運行推理代碼：

import torch
import requests
import numpy as np
import albumentations as A
import segmentation_models_pytorch as smp

from PIL import Image

device = "cuda" if torch.cuda.is_available() else "cpu"

# 加載預訓練模型和預處理函數
checkpoint = "smp-hub/segformer-b0-1024x1024-city-160k"
model = smp.from_pretrained(checkpoint).eval().to(device)
preprocessing = A.Compose.from_pretrained(checkpoint)

# 加載圖像
url = "https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000001.jpg"
image = Image.open(requests.get(url, stream=True).raw)

# 預處理圖像
np_image = np.array(image)
normalized_image = preprocessing(image=np_image)["image"]
input_tensor = torch.as_tensor(normalized_image)
input_tensor = input_tensor.permute(2, 0, 1).unsqueeze(0)  # HWC -> BCHW
input_tensor = input_tensor.to(device)

# 進行推理
with torch.no_grad():
    output_mask = model(input_tensor)

# 後處理掩碼
mask = torch.nn.functional.interpolate(
    output_mask, size=(image.height, image.width), mode="bilinear", align_corners=False
)
mask = mask.argmax(1).cpu().numpy()  # 在預測的類別（通道維度）上取最大值

💻 使用示例

基礎用法

上述的加載預訓練模型並進行推理的代碼就是基礎用法示例。

高級用法

在實際應用中，你可能需要根據具體需求調整模型的初始化參數，以下是模型初始化參數的示例：

model_init_params = {
    "encoder_name": "mit_b0",
    "encoder_depth": 5,
    "encoder_weights": None,
    "decoder_segmentation_channels": 256,
    "in_channels": 3,
    "classes": 19,
    "activation": None,
    "aux_params": None
}

📚 詳細文檔

數據集

數據集名稱：Cityscapes

更多信息

• 庫地址：https://github.com/qubvel/segmentation_models.pytorch
• 文檔地址：https://smp.readthedocs.io/en/latest/
• 許可證：https://github.com/NVlabs/SegFormer/blob/master/LICENSE

此模型使用 PytorchModelHubMixin 推送到了模型中心。

📄 許可證

許可證類型：其他 具體許可證信息請參考：https://github.com/NVlabs/SegFormer/blob/master/LICENSE