SegFormer (b0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《 SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers 》中提出，并于《 this repository 》首次发布。

免责声明：发布 SegFormer 的团队没有为该模型撰写模型卡片，因此此模型卡片是由 Hugging Face 团队撰写的。

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，在语义分割基准测试（如 ADE20K 和 Cityscapes）中取得了很好的结果。分层 Transformer 首先在 ImageNet-1k 上进行预训练，之后添加一个解码头，并在下游数据集上一起进行微调。

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

您可以使用该模型进行语义分割的微调。查看《 model hub 》以查找您感兴趣的任务的已微调版本。

如何使用

以下是如何使用该模型将 COCO 2017 数据集的图像分类为 1,000 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-b0")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b0")

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

有关此模型的许可证，请参阅《 here 》。

BibTeX 条目和引用信息

@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}
}