/ Модель

Характеристики

Архитектура
segformer · dense
Библиотека
transformers
Опубликована
19 апр 2024

DirectSAM-1800px-0424

Сегментация изображенийИзображение → mask3 профессии

DirectSAM — дообученная на SA-1B модель SegFormer для сегментации изображений и выделения границ объектов.

113скачиваний за 30 дней3лайкавеса обновлены24 апр 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

DirectSAM-1800px-0424 — модель сегментации изображений из работы «Subobject-level Image Tokenization», разработанная Делонгом Ченом, Сэмюэлом Кахьявая, Цзяньфэном Лю, Баоюанем Вангом и Паскалем Фунгом. Она предназначена для выделения границ объектов на изображениях и получения масок сегментации на уровне подобъектов.

Модель построена на архитектуре SegFormer с 84,6 млн параметров. Финальный многоклассовый классификатор заменён одноклассовым, а все параметры дообучены на SA-1B. Обучение включало этапы с разрешениями 1024×1024 и 1800×1800 пикселей. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Transformers.

Модель подходит для сегментации и выделения границ на изображениях высокого разрешения. Карточка не сообщает отдельную лицензию, поэтому условия использования следует сверить в репозитории модели.

Сценарии применения

  • выделение контуров объектов на изображениях
  • создание масок сегментации для объектов и подобъектов
  • анализ изображений высокого разрешения
  • получение границ объектов для последующей обработки компьютерным зрением

Ограничения

Модель ориентирована на сегментацию изображений и не предназначена для текстовых задач. Карточка не приводит сведения о лицензии и оценках качества.

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

Direct Segment Anything Model (DirectSAM) in the paper "Subobject-level Image Tokenization" by Delong Chen, Samuel Cahyawijaya, Jianfeng Liu, Baoyuan Wang, and Pascale Fung.

  • Model. We use a Segformer as the backbone, which has a total of 84.6M parameters. We replace the final multi-way classifier with a one-way classifier, and perform full-parameter fine-tuning.

  • Data. We use the SA-1B dataset to train the DirectSAM. The mask annotations are converted to boundaries via running opencv-implemented contour detection and plotting the extracted contours with a line width of 3. Random Gaussian blur is appllied with a probability of 0.25.

  • Training. We train DirectSAM on the SA-1B dataset with a single-node 8xNVIDIA A100 (80GB) server. We first train it with an input resolution of 1024x1024 for one epoch, then for another 0.6 epoch with 1800x1800 resolution (the maximum resolution for data parallel training on 80GB GPUs). For the first 1024x1024 epoch, we use a per GPU batch size of 4, gradient accumulation of steps of 4, and a learning rate of 4e-4. For the second 1800x1800 epoch, we use a per GPU batch size of 1, gradient accumulation of steps of 8, and a learning rate of 2e-4. These two epochs respectively take around 15 days and 20 days.

Please see our GitHub repo for more information.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
SegformerForSemanticSegmentation
Ревизия весов
aebea75

0 моделей