Adaptformer LEVIR CD

🚀 AdaptFormer模型在LEVIR - CD数据集上微调

AdaptFormer模型是一个用于遥感图像变化检测的模型，它能自适应地解释分层语义。本模型在LEVIR - CD数据集上进行了微调，分辨率为512x512，可有效应用于图像分割等视觉任务。

🚀 快速开始

AdaptFormer模型在LEVIR - CD数据集上进行了微调，分辨率为512x512。该模型由Pang等人在论文 AdaptFormer: An Adaptive Hierarchical Semantic Approach for Change Detection on Remote Sensing Images 中提出，并首次在 此仓库 发布。

✨ 主要特性

AdaptFormer独特地设计为能够自适应地解释分层语义。它摒弃了一刀切的方法，针对三种不同的语义深度采用不同的策略：

• 对于浅层语义，采用简单直接的操作；
• 对于中层语义，吸收空间数据以强调区域间的详细变化；
• 对于深层语义，集成级联深度注意力，专注于高级表示。

💻 使用示例

基础用法

from transformers import AutoImageProcessor, AutoModel
from PIL import Image
import requests

image_processor = AutoImageProcessor.from_pretrained("deepang/adaptformer-LEVIR-CD")
model = AutoModel.from_pretrained("deepang/adaptformer-LEVIR-CD")

image_A = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_A.png', stream=True).raw)
image_B = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_B.png', stream=True).raw)
label = Image.open(requests.get('https://raw.githubusercontent.com/aigzhusmart/AdaptFormer/main/figures/test_2_1_label.png', stream=True).raw)


inputs = preprocessor(images=(image_A, image_B), return_tensors="pt")
outputs = adaptfromer_model(**inputs)
logits = outputs.logits # shape (batch_size, num_labels, height, width)
pred = logits.argmax(dim=1)[0]

📄 许可证

此模型的许可证信息可在 这里 找到。

BibTeX引用信息

@article{huang2024adaptformer,
  title={AdaptFormer: An Adaptive Hierarchical Semantic Approach for Change Detection on Remote Sensing Images},
  author={Huang, Teng and Hong, Yile and Pang, Yan and Liang, Jiaming and Hong, Jie and Huang, Lin and Zhang, Yuan and Jia, Yan and Savi, Patrizia},
  journal={IEEE Transactions on Instrumentation and Measurement},
  year={2024},
  publisher={IEEE}
}

📦 信息表格