MobileNetV2 with DeepLabV3+

MobileNet V2 模型在 PASCAL VOC 数据集上以 513x513 的分辨率进行了预训练。它由 Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov, Liang-Chieh Chen 于 MobileNetV2: Inverted Residuals and Linear Bottlenecks 年引入。首次发布于 this repository 年。

免责声明：MobileNet V2 的发布团队没有为这个模型编写模型卡片，所以此模型卡片是由 Hugging Face 团队编写的。

模型描述

根据 original README 的描述：

MobileNets 是小型、低延迟、低功耗的模型，参数化以满足各种用例的资源限制。它们可以用于分类、检测、嵌入和分割等任务，类似于其他流行的大规模模型（如 Inception）的用法。MobileNets 可以在移动设备上高效运行[...] 在延迟、大小和准确性之间进行权衡，并与文献中的流行模型相比具有优势。

此存储库中的模型在 MobileNetV2 骨干网络上添加了一个 DeepLabV3+ 的头用于语义分割。

预期用途和限制

您可以使用原始模型进行语义分割。查看 model hub 查找您感兴趣的任务的微调版本。

如何使用

以下是如何使用该模型的方法：

from transformers import MobileNetV2FeatureExtractor, MobileNetV2ForSemanticSegmentation
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 = MobileNetV2FeatureExtractor.from_pretrained("Matthijs/deeplabv3_mobilenet_v2_1.0_513")
model = MobileNetV2ForSemanticSegmentation.from_pretrained("Matthijs/deeplabv3_mobilenet_v2_1.0_513")

inputs = feature_extractor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits
predicted_mask = logits.argmax(1).squeeze(0)

目前，特征提取器和模型都支持 PyTorch。

BibTeX 条目和引用信息

@inproceedings{deeplabv3plus2018,
  title={Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation},
  author={Liang-Chieh Chen and Yukun Zhu and George Papandreou and Florian Schroff and Hartwig Adam},
  booktitle={ECCV},
  year={2018}
}