segformer-b1-finetuned-cityscapes-1024-1024 - SegFormer模型在语义分割中的高效应用

项目介绍：segformer-b1-finetuned-cityscapes-1024-1024

项目背景

SegFormer是一个在CityScapes数据集上进行微调的基于Transformer的图像分割模型，其分辨率为1024x1024。该模型最早发表于Xie等人的论文《SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers》中，并在nvidia的GitHub仓库首次发布。

模型描述

SegFormer模型的设计由一个层级结构的Transformer编码器和一个轻量级的全MLP解码头组成，这一设计能够在语义分割基准测试中获得优异的效果，比如在ADE20K和CityScapes数据集上。该模型首先在ImageNet-1k数据集上进行了预训练，然后加入解码头，并在下游的数据集上共同进行微调。

预期用途与限制

该模型主要用于语义分割任务，即对图像中的像素进行类别标注。用户可以到模型库中查找已经微调好的版本，用于他们感兴趣的特定任务。

如何使用

以下是如何使用此模型对COCO 2017数据集中的一张图像进行分类示例：

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b1-finetuned-cityscapes-1024-1024")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b1-finetuned-cityscapes-1024-1024")

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)

有关更多的代码示例，用户可以参考文档。

授权协议

该模型使用的授权协议可以在此处找到。

参考与引用

如果用户希望引用这篇论文，可以使用以下BibTeX条目：

@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}
}