Segformer B2 Clothes

🚀 用於衣物分割的微調Segformer B2模型

本項目是基於SegFormer模型，在ATR數據集上進行微調，用於衣物分割，同時也可用於人體分割。Hugging Face上的數據集名為 "mattmdjaga/human_parsing_dataset"。

🚀 快速開始

安裝依賴

確保你已經安裝了必要的庫，如transformers、PIL、requests、matplotlib和torch。

運行代碼示例

from transformers import SegformerImageProcessor, AutoModelForSemanticSegmentation
from PIL import Image
import requests
import matplotlib.pyplot as plt
import torch.nn as nn

processor = SegformerImageProcessor.from_pretrained("mattmdjaga/segformer_b2_clothes")
model = AutoModelForSemanticSegmentation.from_pretrained("mattmdjaga/segformer_b2_clothes")

url = "https://plus.unsplash.com/premium_photo-1673210886161-bfcc40f54d1f?ixlib=rb-4.0.3&ixid=MnwxMjA3fDB8MHxzZWFyY2h8MXx8cGVyc29uJTIwc3RhbmRpbmd8ZW58MHx8MHx8&w=1000&q=80"

image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits.cpu()

upsampled_logits = nn.functional.interpolate(
    logits,
    size=image.size[::-1],
    mode="bilinear",
    align_corners=False,
)

pred_seg = upsampled_logits.argmax(dim=1)[0]
plt.imshow(pred_seg)

標籤說明

• 0: "背景"
• 1: "帽子"
• 2: "頭髮"
• 3: "太陽鏡"
• 4: "上裝"
• 5: "裙子"
• 6: "褲子"
• 7: "連衣裙"
• 8: "腰帶"
• 9: "左腳鞋"
• 10: "右腳鞋"
• 11: "臉部"
• 12: "左腿"
• 13: "右腿"
• 14: "左臂"
• 15: "右臂"
• 16: "包"
• 17: "圍巾"

✨ 主要特性

• 多用途分割：不僅可以用於衣物分割，還能進行人體分割。
• 微調模型：基於SegFormer B2模型在特定數據集上進行微調，提高分割效果。

💻 使用示例

基礎用法

上述代碼示例展示瞭如何使用該模型進行衣物分割。你可以將代碼中的圖片鏈接替換為你自己的圖片鏈接，即可對不同圖片進行分割。

高級用法

你可以根據實際需求對模型進行進一步的調整，例如修改processor的參數，或者對輸出的分割結果進行後處理。

📚 詳細文檔

評估指標

整體評估指標：

• 評估損失：0.15
• 平均準確率：0.80
• 平均IoU：0.69

訓練代碼

你可以在這裡找到訓練代碼。

📄 許可證

該模型的許可證信息可以在這裡找到。

📖 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}
}