/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
generic

pet-segmentation

Сегментация изображенийИзображение → mask

Модель семантической сегментации изображений для выделения областей с питомцами по пикселям.

17скачиваний за 30 дней10лайковвеса обновлены29 ноя 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Narsil/pet-segmentation — модель семантической сегментации изображений, опубликованная на Hugging Face. Она формирует предсказание класса для каждого пикселя, позволяя выделять области изображения в виде масок. В README описан формат выдачи: список классов с бинарными масками в Base64; для сегментации указывается оценка 1.0.

Модель предназначена для сегментации изображений с питомцами. Репозиторий содержит модель в формате TensorFlow и распространяется по лицензии Apache-2.0. Размер модели и поддерживаемые классы в доступных данных не раскрыты.

Сценарии применения

  • создание масок питомцев на изображениях
  • пиксельная разметка областей с животными
  • подготовка изображений питомцев для редактирования

Ограничения

README не перечисляет распознаваемые классы и не приводит метрики качества. Оценка для каждого класса фиксирована на 1.0 и не отражает уверенность модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Keras semantic segmentation models on the 🤗Hub! 🐶 🐕 🐩

Image classification task tells us about a class assigned to an image, and object detection task creates a boundary box on an object in an image. But what if we want to know about the shape of the image? Segmentation models helps us segment images and reveal their shapes. It has many variants. You can host your Keras segmentation models on the Hub. Semantic segmentation models classify pixels, meaning, they assign a class (can be cat or dog) to each pixel. The output of a model looks like following. Raw Output We need to get the best prediction for every pixel. Mask This is still not readable. We have to convert this into different binary masks for each class and convert to a readable format by converting each mask into base64. We will return a list of dicts, and for each dictionary, we have the label itself, the base64 code and a score (semantic segmentation models don't return a score, so we have to return 1.0 for this case). You can find the full implementation in pipeline.py. Binary Mask Now that you know the expected output by the model, you can host your Keras segmentation models (and other semantic segmentation models) in the similar fashion. Try it yourself and host your segmentation models! Segmented Cat

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · generic

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
8b8c024

0 моделей