SegFormer (b1-sized) 编码器仅预训练模型

SegFormer 编码器在 Imagenet-1k 上进行了微调。这个模型在 Xie 等人的论文 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers 中介绍，并于 this repository 首次发布。

免责声明：SegFormer 团队未为此模型编写模型卡片，因此此模型卡片由 Hugging Face 团队编写。

模型描述

SegFormer 由一个分层Transformer编码器和一个轻量级的全MLP解码头组成，在ADE20K和Cityscapes等语义分割基准上取得了很好的结果。分层Transformer首先在ImageNet-1k上进行预训练，然后在下游数据集上添加解码头并进行整体微调。

此存储库仅包含预训练的分层Transformer，因此可用于微调目的。

预期用途和限制

您可以将此模型用于语义分割的微调。请查看 model hub 以查找您感兴趣的任务的微调版本。

如何使用

这里是如何使用此模型将 COCO 2017 数据集的图像分类为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-b1")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b1")

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])

更多代码示例，请参阅 documentation 。

许可证

此模型的许可证可以在 here 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}
}