/ Модель

Характеристики

Размер весов
492 МБ
Лицензия
Apache 2.0
Библиотека
coreml
Опубликована
16 мая 2024

coreml-detr-semantic-segmentation

Сегментация изображенийИзображение → mask3 профессии

Core ML-конверсия DETR-ResNet-50 для создания семантических масок изображений, обученная на COCO 2017.

540скачиваний за 30 дней34лайкавеса обновлены9 авг 2024

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

Apple публикует Core ML-конверсию DETR-ResNet-50 для семантической сегментации изображений. В основе — DETR, трансформер с энкодером и декодером и свёрточным backbone ResNet-50; модель обучена на COCO 2017. В README указано 43 млн параметров. Репозиторий содержит варианты Core ML с точностью Float32 и Float16, а также квантованные варианты Float16.

Модель принимает изображение и выдаёт семантическую маску, назначая класс пикселям. В оценке на 512 изображениях COCO при заданном изменении размера и центральной обрезке варианты показали IoU 0,393 и точность пикселей 0,746; результаты относятся к этой конкретной выборке и процедуре оценки. README приводит пример интеграции в Swift-приложения.

Лицензия — Apache-2.0. Модель ориентирована на классы и данные COCO, поэтому качество для других наборов классов и изображений может отличаться; опубликованные метрики указывают на ограничения точности сегментации.

Сценарии применения

  • создание семантической маски для фотографии
  • сегментация объектов на изображениях COCO
  • разметка пикселей изображения по классам
  • интеграция сегментации изображений в Swift-приложение

Ограничения

Оценка в README выполнена лишь на 512 изображениях COCO с конкретным изменением размера и центральной обрезкой; указанные IoU 0,393 и точность пикселей 0,746 ограничивают ожидаемое качество. Модель обучена на COCO 2017, поэтому её пригодность для иных классов и распределений данных не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DETR-Resnet50 (semantic segmentation) Core ML Models

See the Files tab for converted models.

DEtection TRansformer (DETR) model trained end-to-end on COCO 2017 object detection (118k annotated images). It was introduced in the paper End-to-End Object Detection with Transformers by Carion et al. and first released in this repository.

Model description

The DETR model is an encoder-decoder transformer with a convolutional backbone. Two heads are added on top of the decoder outputs in order to perform object detection: a linear layer for the class labels and a MLP (multi-layer perceptron) for the bounding boxes. The model uses so-called object queries to detect objects in an image. Each object query looks for a particular object in the image. For COCO, the number of object queries is set to 100.

The model is trained using a "bipartite matching loss": one compares the predicted classes + bounding boxes of each of the N = 100 object queries to the ground truth annotations, padded up to the same length N (so if an image only contains 4 objects, 96 annotations will just have a "no object" as class and "no bounding box" as bounding box). The Hungarian matching algorithm is used to create an optimal one-to-one mapping between each of the N queries and each of the N annotations. Next, standard cross-entropy (for the classes) and a linear combination of the L1 and generalized IoU loss (for the bounding boxes) are used to optimize the parameters of the model.

model image

Evaluation - Variants

VariantParametersSize (MB)Weight PrecisionAct. PrecisionIoUPixel accuracy
facebook/detr-resnet-50-panoptic (PyTorch)43M172Float32Float320.3930.746
DETRResnet50SemanticSegmentationF3243M171Float32Float320.3930.746
DETRResnet50SemanticSegmentationF1643M86Float16Float160.3950.746

IoU and Pixel accuracy measured on 512 images from the COCO dataset. The ground truth labels were extracted from the panoptic segmentation annotations, transformed to semantic segmentation masks. Input images were resized so that the smaller edge equals 448, then center-cropped.

Inference time

The following results refer to DETRResnet50SemanticSegmentationF16. The compute units for MacBook Pro (M1 Max) were manually selected to "CPU and Neural Engine".

DeviceOSInference time (ms)Dominant compute unit
iPhone 15 Pro Max17.540Neural Engine
MacBook Pro (M1 Max)14.543Neural Engine
iPhone 12 Pro Max18.052Neural Engine
MacBook Pro (M3 Max)15.029Neural Engine

Download

Install huggingface-cli

brew install huggingface-cli

To download one of the .mlpackage folders to the models directory:

huggingface-cli download \
  --local-dir models --local-dir-use-symlinks False \
  apple/coreml-detr-semantic-segmentation \
  --include "DETRResnet50SemanticSegmentationF16.mlpackage/*"

To download everything, skip the --include argument. This will retrieve float32 and float16 variants, as well as quantized versions of the float16 variant.

Integrate in Swift apps

The huggingface/coreml-examples repository contains sample Swift code for coreml-detr-semantic-segmentation and other models. See the instructions there to build the demo app, which shows how to use the model in your own Swift apps.

Как запустить

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

GPU в ailist

Универсальный рантайм · coreml

Нельзя запустить

CoreML-модели работают только на устройствах Apple.

Ревизия весов
7c771f8

0 моделей