SegFormer（b5大小）编码器仅预训练

SegFormer编码器在Imagenet-1k上进行了微调。它由Xie等人在论文中介绍，并首次在发布了。

声明：发布SegFormer的团队没有为该模型编写模型卡片，因此此模型卡片是由Hugging Face团队编写的。

模型描述

SegFormer由分层Transformer编码器和轻量级的全MLP解码头组成，可以在ADE20K和Cityscapes等语义分割基准上取得出色的结果。分层Transformer首先在ImageNet-1k上进行预训练，然后添加解码头，并在下游数据集上进行整体微调。

此存储库仅包含预训练的分层Transformer，因此可以用于微调目的。

预期用途和限制

您可以使用此模型进行语义分割的微调。请查看 model hub 以获取您感兴趣的任务的微调版本。

如何使用

以下是如何使用此模型将COCO 2017数据集的图像分类为1,000个Imagenet类别之一：

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-b5")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b5")

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])

有关更多代码示例，请参阅 documentation 。

许可证

此模型的许可证可以在 here 找到。

BibTeX条目和引文信息

@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}
}