/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
segformer · dense
Библиотека
transformers
Опубликована
9 янв 2026

fashn-human-parser

Сегментация изображенийИзображение → mask3 профессии

Модель FASHN AI сегментирует людей, одежду и аксессуары на изображениях для анализа модных фото и виртуальной примерки.

71 717скачиваний за 30 дней32лайкавеса обновлены10 янв 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

FASHN Human Parser — модель семантической сегментации изображений людей, разработанная FASHN AI и дообученная на базе SegFormer-B4 с энкодером MiT-B4 и MLP-декодером. Она размечает изображение 18 классами: фоном, частями тела, одеждой и аксессуарами. Базовая модель — nvidia/mit-b4.

Модель предназначена для анализа модных изображений, виртуальной примерки и понимания областей тела и одежды. На вход подаётся изображение, изменяемое до размера 384 × 576 пикселей; на выходе получается маска семантической сегментации с 18 классами. Обучение проводилось на собственном размеченном наборе данных FASHN AI. Модель ориентирована на английский язык в метаданных, но её задача не требует текстового ввода или вывода.

Лучше всего модель работает с одним хорошо различимым человеком на модных или коммерческих фотографиях. Мелкие фигуры могут терять детали при изменении размера. Лицензия указана как other; конкретные условия использования следует проверять в репозитории модели.

Сценарии применения

  • выделение частей тела на фотографии человека
  • сегментация одежды для виртуальной примерки
  • отделение аксессуаров от одежды на модном снимке
  • анализ областей одежды в фотографиях для интернет-магазина

Ограничения

Оптимизирована для изображений с одним хорошо различимым человеком и лучше работает на модных и коммерческих фотографиях. Масштабирование до 384 × 576 пикселей может ухудшить детализацию очень мелких фигур; условия лицензии other нужно уточнить в репозитории.

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

FASHN Human Parser

Open in Spaces

A SegFormer-B4 model fine-tuned for human parsing with 18 semantic classes, optimized for fashion and virtual try-on applications.

Model Description

This model segments human images into 18 semantic categories including body parts (face, hair, arms, hands, legs, feet, torso), clothing items (top, dress, skirt, pants, belt, scarf), and accessories (bag, hat, glasses, jewelry).

  • Architecture: SegFormer-B4 (MIT-B4 encoder + MLP decoder)
  • Input Size: 384 x 576 (width x height)
  • Output: 18-class semantic segmentation mask
  • Base Model: nvidia/mit-b4

Usage

Quick Start with Pipeline

from transformers import pipeline

pipe = pipeline("image-segmentation", model="fashn-ai/fashn-human-parser")
result = pipe("image.jpg")
# result is a list of dicts with 'label', 'score', 'mask' for each detected class

The pipeline automatically manages GPU/CPU and returns per-class masks at the original image resolution.

Explicit Usage

from transformers import SegformerForSemanticSegmentation, SegformerImageProcessor
from PIL import Image
import torch

# Load model and processor
processor = SegformerImageProcessor.from_pretrained("fashn-ai/fashn-human-parser")
model = SegformerForSemanticSegmentation.from_pretrained("fashn-ai/fashn-human-parser")

# Load and preprocess image
image = Image.open("path/to/image.jpg")
inputs = processor(images=image, return_tensors="pt")

# Inference
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits  # (1, 18, H/4, W/4)

# Upsample to original size and get predictions
upsampled = torch.nn.functional.interpolate(
    logits, size=image.size[::-1], mode="bilinear", align_corners=False
)
predictions = upsampled.argmax(dim=1).squeeze().numpy()

Production Usage (Recommended)

For maximum accuracy, use our Python package which implements the exact preprocessing used during training:

pip install fashn-human-parser
from fashn_human_parser import FashnHumanParser

parser = FashnHumanParser()  # auto-detects GPU
segmentation = parser.predict("image.jpg")
# segmentation is a numpy array of shape (H, W) with class IDs 0-17

The package uses cv2.INTER_AREA for resizing (matching training), while the HuggingFace pipeline uses PIL LANCZOS.

Label Definitions

IDLabel
0background
1face
2hair
3top
4dress
5skirt
6pants
7belt
8bag
9hat
10scarf
11glasses
12arms
13hands
14legs
15feet
16torso
17jewelry

Category Mappings

For virtual try-on applications:

CategoryBody CoverageRelevant Labels
TopsUpper bodytop, dress, scarf
BottomsLower bodyskirt, pants, belt
One-piecesFull bodytop, dress, scarf, skirt, pants, belt

Identity Labels

Labels typically preserved during virtual try-on: face, hair, jewelry, bag, glasses, hat

Training

This model was fine-tuned on a proprietary dataset curated and annotated by FASHN AI, specifically designed for virtual try-on applications. The 18-class label schema was developed to capture the semantic regions most relevant for clothing transfer and human body understanding in fashion contexts.

Limitations

  • Optimized for single-person images with clear visibility
  • Best results on fashion/e-commerce style photography
  • Input images are resized to 384x576; very small subjects may lose detail

Citation

@misc{fashn-human-parser,
  author = {FASHN AI},
  title = {FASHN Human Parser: SegFormer for Fashion Human Parsing},
  year = {2024},
  publisher = {Hugging Face},
  url = {https://huggingface.co/fashn-ai/fashn-human-parser}
}

License

This model inherits the NVIDIA Source Code License for SegFormer. Please review the license terms before use.

Links

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
1f80c34

0 моделей