/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
10 сен 2026

stdc1-seg-cityscapes

Сегментация изображенийИзображение → mask3 профессии

Зеркало чекпойнта STDC1-Seg75 на базе STDCNet813 для семантической сегментации городских сцен Cityscapes на 19 классов.

13скачиваний за 30 дней0лайковвеса обновлены10 сен 2026

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

Это зеркало официального чекпойнта STDC1-Seg75 для семантической сегментации изображений на наборе Cityscapes. Модель разработана авторами проекта STDC-Seg; архитектура Short-Term Dense Concatenate Network со backbone STDCNet813 описана на CVPR 2021. В репозитории размещены неизменённые веса fp32 в формате PyTorch, первоначально опубликованные в MichaelFan01/STDC-Seg.

Чекпойнт предназначен для разметки городских сцен по 19 классам, например для анализа изображений улиц и дорожной инфраструктуры. Для загрузки требуется код архитектуры из исходного репозитория STDC-Seg; он не включён в зеркало. Лицензия репозитория — MIT.

Сценарии применения

  • сегментация объектов и поверхностей на изображениях городских улиц
  • разметка дорожных сцен для систем автономного вождения
  • анализ сцен Cityscapes по 19 классам

Ограничения

Чекпойнт обучен для Cityscapes и 19 классов, поэтому качество на иных типах изображений не подтверждено. Для загрузки весов необходим код архитектуры STDC-Seg из исходного репозитория.

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

STDC1-Seg75 (Cityscapes mirror)

type: mirror upstream: MichaelFan01/STDC-Seg license: MIT pretrain: Cityscapes Cityscapes val: 74.5

This is a redistribution (a "mirror"), not a new model. The weights are the official STDC1-Seg75 Cityscapes checkpoint from MichaelFan01/STDC-Seg, re-hosted here for convenient, stable, programmatic access via huggingface_hub. All credit to the original authors.

What this is

ArchitectureShort-Term Dense Concatenate Network (CVPR 2021)
VariantSTDC1-Seg75 (STDCNet813 backbone)
PretrainingCityscapes semantic segmentation, 19 classes (full fine-tuned checkpoint)
Reported metric74.5 mIoU (single-scale) on Cityscapes val
Upstream repositoryhttps://github.com/MichaelFan01/STDC-Seg
Upstream weightshttps://drive.google.com/drive/folders/1wROFwRt8qWHD4jSo8Zu1gp1d6oYJ3ns1
Upstream licenseMIT; mirrored as LICENSE in this repo

What was changed vs the upstream file

Nothing in the weights. The upstream file is already a bare fp32 state_dict with no optimizer state. Only what is needed to load the model is kept:

ComponentUpstreamThis mirror
state_dict (model weights, fp32)yesyes, unchanged

The tensors are byte-identical to the upstream file. checksums.txt in this repo carries the SHA-256 of the mirrored file.

Usage

The STDC-Seg architecture (BiSeNet in models/model_stages.py) is not packaged, so clone the upstream repo and run from its root.

git clone https://github.com/MichaelFan01/STDC-Seg
cd STDC-Seg
pip install torch torchvision pillow numpy huggingface_hub
import numpy as np
import torch
import torch.nn.functional as F
from PIL import Image
from huggingface_hub import hf_hub_download
from models.model_stages import BiSeNet

weights = hf_hub_download("dronefreak/stdc1-seg-cityscapes", "stdc1-seg_cityscapes.pth")

net = BiSeNet(
    backbone="STDCNet813", n_classes=19,
    use_boundary_2=False, use_boundary_4=False,
    use_boundary_8=True, use_boundary_16=False, use_conv_last=False,
)
net.load_state_dict(torch.load(weights, map_location="cpu"), strict=False)  # skips the training-only boundary heads
net.eval()

# inference on a single image, following the repo's Seg75 eval (resize to scale, then back)
MEAN = torch.tensor([0.485, 0.456, 0.406]).view(1, 3, 1, 1)
STD  = torch.tensor([0.229, 0.224, 0.225]).view(1, 3, 1, 1)

img = Image.open("street.jpg").convert("RGB")
x = torch.from_numpy(np.asarray(img, np.float32) / 255.0).permute(2, 0, 1)[None]
x = (x - MEAN) / STD
H, W = x.shape[-2:]
x = F.interpolate(x, (int(H * 0.75), int(W * 0.75)),
                  mode="bilinear", align_corners=True)

with torch.no_grad():
    logits = net(x)[0]
logits = F.interpolate(logits, (H, W), mode="bilinear", align_corners=True)
seg = logits.argmax(1)[0].byte().numpy()   # (H, W) trainId map, 0..18

PALETTE = np.array([
    (128, 64, 128), (244, 35, 232), (70, 70, 70), (102, 102, 156), (190, 153, 153),
    (153, 153, 153), (250, 170, 30), (220, 220, 0), (107, 142, 35), (152, 251, 152),
    (70, 130, 180), (220, 20, 60), (255, 0, 0), (0, 0, 142), (0, 0, 70),
    (0, 60, 100), (0, 80, 100), (0, 0, 230), (119, 11, 32),
], dtype=np.uint8)
Image.fromarray(PALETTE[seg]).save("street_pred.png")

net(x) returns (main, aux16, aux32); take [0].

Citing the original work

% Rethinking BiSeNet for Real-Time Semantic Segmentation, CVPR 2021 (arXiv:2104.13188)
@inproceedings{fan2021rethinking,
  title     = {Rethinking {BiSeNet} for Real-Time Semantic Segmentation},
  author    = {Fan, Mingyuan and Lai, Shenqi and Huang, Junshi and Wei, Xiaoming and Chai, Zhenhua and Luo, Junfeng and Wei, Xiaolin},
  booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year      = {2021}
}

Provenance & license

  • Model weights © the original STDC-Seg authors, released under MIT.
  • Trained on Cityscapes, which carries its own terms (academic / research use); the derived weights are redistributed on that same basis.
  • Mirrored by @dronefreak for convenient access. No affiliation with the original authors.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-segmentation

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
e043760

0 моделей