Mit B2

🚀 SegFormer（b2 大小）仅预训练编码器

SegFormer 编码器在 ImageNet-1k 上进行了微调。它由 Xie 等人在论文 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers 中提出，并首次在 此仓库 发布。

免责声明：发布 SegFormer 的团队并未为此模型编写模型卡片，此模型卡片由 Hugging Face 团队编写。

🚀 快速开始

SegFormer 编码器在 ImageNet-1k 上预训练，可用于语义分割的微调。若想了解更多关于该模型的信息，可参考后续的详细介绍。

✨ 主要特性

• 架构设计：SegFormer 由分层 Transformer 编码器和轻量级全 MLP 解码头组成，能在 ADE20K 和 Cityscapes 等语义分割基准测试中取得出色成果。
• 预训练与微调：分层 Transformer 先在 ImageNet-1k 上进行预训练，之后添加解码头并在下游数据集上进行整体微调。

📦 安装指南

文档未提及安装步骤，故跳过此章节。

💻 使用示例

基础用法

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

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])

高级用法

如需更多代码示例，请参考 文档。

📚 详细文档

模型描述

SegFormer 由分层 Transformer 编码器和轻量级全 MLP 解码头组成，旨在语义分割基准测试（如 ADE20K 和 Cityscapes）中取得优异成绩。分层 Transformer 先在 ImageNet-1k 上进行预训练，之后添加解码头并在下游数据集上进行整体微调。此仓库仅包含预训练的分层 Transformer，因此可用于微调目的。

预期用途与限制

你可以使用该模型进行语义分割的微调。可查看 模型中心 以查找针对你感兴趣任务的微调版本。

🔧 技术细节

文档未提及技术实现细节，故跳过此章节。

📄 许可证

此模型的许可证可在 此处 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