Segformer B0 Finetuned Cityscapes 512 1024

🚀 SegFormer (b4尺寸) 模型在CityScapes上的微调版本

这是一个在CityScapes数据集上以512x1024分辨率进行微调的SegFormer模型，可用于高效的图像语义分割任务。

🚀 快速开始

SegFormer模型基于Transformer架构，在语义分割领域表现出色。它由分层的Transformer编码器和轻量级的全MLP解码头组成，能够在ADE20K和Cityscapes等语义分割基准测试中取得优异成绩。该模型首先在ImageNet - 1k上进行预训练，然后添加解码头并在下游数据集上进行微调。

✨ 主要特性

• 分层Transformer编码器：能够有效提取图像的层次特征。
• 轻量级全MLP解码头：在保证性能的同时，降低了模型复杂度。
• 优秀的语义分割能力：在多个语义分割基准测试中表现出色。

💻 使用示例

基础用法

以下是如何使用该模型将COCO 2017数据集中的图像分类为1000个ImageNet类别之一的示例代码：

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)

如需更多代码示例，请参考文档。

📚 详细文档

SegFormer由分层Transformer编码器和轻量级全MLP解码头组成，用于在语义分割基准测试（如ADE20K和Cityscapes）中取得良好效果。分层Transformer首先在ImageNet - 1k上进行预训练，然后添加解码头并在下游数据集上一起进行微调。

📄 许可证

该模型的许可证信息可在此处找到。

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