SegFormer (b4大小)模型在CityScapes上微调

SegFormer模型在分辨率为1024x1024的CityScapes数据集上进行了微调。该模型在Xie等人的论文( SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers )中提出，并在( this repository )首次发布。

声明：SegFormer发布团队未为该模型撰写模型卡片，因此该模型卡片由Hugging Face团队编写。

模型描述

SegFormer包括一个分层Transformer编码器和一个轻量级的全MLP解码头部，以实现在ADE20K和Cityscapes等语义分割基准上取得良好的结果。分层Transformer首先在ImageNet-1K上进行预训练，然后添加解码头部并在下游数据集上进行整体微调。

使用目的和限制

您可以使用原始模型进行语义分割。查看( model hub )以寻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将COCO 2017数据集中的图像分类为1000个ImageNet类别之一：

from transformers import SegformerImageProcessor, SegformerForSemanticSegmentation
from PIL import Image
import requests

processor = SegformerImageProcessor.from_pretrained("nvidia/segformer-b4-finetuned-cityscapes-1024-1024")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b4-finetuned-cityscapes-1024-1024")

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

inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits  # shape (batch_size, num_labels, height/4, width/4)

有关更多代码示例，请参阅( documentation )。

许可协议

该模型的许可证信息可以在( here )中找到。

BibTeX引用和引文信息

@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}
}