SegFormer B0, обученная с нуля на VOC 2007 и 2012 для семантической сегментации изображений.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
mnjm/segformer-b0-voc — модель семантической сегментации изображений на архитектуре SegFormer B0, обученная с нуля на наборах VOC 2007 и VOC 2012. Автор карточки указывает, что обучение выполнено с использованием собственного репозитория; модель загружается через Transformers вместе с соответствующим обработчиком изображений.
Модель предназначена для классификации пикселей изображения по семантическим классам VOC. Её можно применять в экспериментах и прототипах компьютерного зрения для разметки объектов и областей на изображениях. В README упомянуты результаты оценки, но сами метрики в доступном тексте не приведены. Лицензия в предоставленных данных не указана.
В доступном README не приведены численные метрики качества, поэтому эффективность модели по нему оценить нельзя. Обучение проводилось на VOC 2007 и 2012, что ограничивает обоснованные выводы о качестве на других типах изображений.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Segormer b0 model trained from scratch on VoC 2007 and 2012 dataset using a custom training repo
Eval results can be found here
from transformers import AutoImageProcessor, SegformerForSemanticSegmentation
processor = AutoImageProcessor.from_pretrained("mnjm/segformer-b0-voc")
model = SegformerForSemanticSegmentation.from_pretrained("mnjm/segformer-b0-voc")
inputs = processor(images=image, return_tensors="pt")
output = model(**inputs)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · image-segmentation
Подбираем GPU…