segformer-b4-finetuned-ade-512-512 - 512x512分辨率下SegFormer的高效Transformer语义分割实现

segformer-b4-finetuned-ade-512-512 项目介绍

项目背景

segformer-b4-finetuned-ade-512-512 是一个经过 ADE20k 数据集微调的 SegFormer 模型，适用于分辨率为 512x512 的图像。该模型最初由 Xie 等人在论文 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers 中介绍，并在相关代码库中首次发布。

模型描述

SegFormer 模型由一个分层的 Transformer 编码器和一个轻量的全 MLP 解码头组成，能够在语义分割基准测试如 ADE20K 和 Cityscapes 上取得优异的性能。分层 Transformer 首先在 ImageNet-1k 数据集上进行预训练，然后添加解码头并在下游数据集上进行微调。

主要用途和限制

该模型的主要用途是进行语义分割。用户可以使用未经处理的模型来执行语义分割任务。如果对特定任务感兴趣，可以在模型中心查找相关的微调版本。

使用指南

以下是如何使用此模型将 COCO 2017 数据集中的一张图片分类到 1,000 个 ImageNet 类别之一：

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

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/segformer-b4-finetuned-ade-512-512")
model = SegformerForSemanticSegmentation.from_pretrained("nvidia/segformer-b4-finetuned-ade-512-512")

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  # 返回的形状为 (batch_size, num_labels, height/4, width/4)

更多代码示例请参考文档。

许可

该模型的许可证可以在这里找到。

引用格式

若需引用该模型及其相关技术，请使用以下 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}
}

通过这篇介绍，感兴趣的开发者可以深入了解 segformer-b4-finetuned-ade-512-512 模型的背景、用途及如何使用这一强大的工具进行图像语义分割。