Mit B2

🚀 SegFormer（b2 大小）僅預訓練編碼器

SegFormer 編碼器在 ImageNet-1k 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 發佈。

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

🚀 快速開始

SegFormer 編碼器在 ImageNet-1k 上預訓練，可用於語義分割的微調。若想了解更多關於該模型的信息，可參考後續的詳細介紹。

✨ 主要特性

• 架構設計：SegFormer 由分層 Transformer 編碼器和輕量級全 MLP 解碼頭組成，能在 ADE20K 和 Cityscapes 等語義分割基準測試中取得出色成果。
• 預訓練與微調：分層 Transformer 先在 ImageNet-1k 上進行預訓練，之後添加解碼頭並在下游數據集上進行整體微調。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

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

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

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/mit-b2")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b2")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

高級用法

如需更多代碼示例，請參考 文檔。

📚 詳細文檔

模型描述

SegFormer 由分層 Transformer 編碼器和輕量級全 MLP 解碼頭組成，旨在語義分割基準測試（如 ADE20K 和 Cityscapes）中取得優異成績。分層 Transformer 先在 ImageNet-1k 上進行預訓練，之後添加解碼頭並在下游數據集上進行整體微調。此倉庫僅包含預訓練的分層 Transformer，因此可用於微調目的。

預期用途與限制

你可以使用該模型進行語義分割的微調。可查看 模型中心 以查找針對你感興趣任務的微調版本。

🔧 技術細節

文檔未提及技術實現細節，故跳過此章節。

📄 許可證

此模型的許可證可在 此處 找到。

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