/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
segformer · dense
Опубликована
2 мар 2022

mit-b3

Классификация изображенийИзображение → label3 профессии

Предварительно обученный энкодер SegFormer B3 для классификации изображений и дообучения на семантическую сегментацию.

7 687скачиваний за 30 дней9лайковвеса обновлены6 авг 2022

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

nvidia/mit-b3 — визуальный энкодер SegFormer размера B3, выпущенный командой NVIDIA. Он дообучен на ImageNet-1k и предназначен прежде всего для использования как основа при дообучении моделей семантической сегментации. В карточке также приведён сценарий классификации изображений по 1000 классам ImageNet; pipeline модели — классификация изображений.

Архитектура включает иерархический Transformer-энкодер SegFormer. Репозиторий содержит только предварительно обученный энкодер, без лёгкой MLP-головы декодирования, используемой в полной модели сегментации. В метаданных указаны реализации PyTorch и TensorFlow и набор данных ImageNet-1k.

Модель подходит как стартовый чекпойнт для задач компьютерного зрения, включая дообучение сегментации. Для сегментации потребуется добавить и обучить декодирующую голову на целевом наборе данных. Лицензия указана как other; конкретные условия использования следует проверять в материалах репозитория.

Сценарии применения

  • Классификация изображений по классам ImageNet-1k
  • Дообучение энкодера для семантической сегментации
  • Создание модели сегментации для городских сцен
  • Адаптация визуального энкодера к целевому набору изображений

Ограничения

Репозиторий содержит только энкодер, поэтому для семантической сегментации нужна отдельная декодирующая голова и дообучение на целевых данных. Условия лицензии обозначены как other и требуют проверки перед использованием.

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

SegFormer (b3-sized) encoder pre-trained-only

SegFormer encoder fine-tuned on Imagenet-1k. It was introduced in the paper SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers by Xie et al. and first released in this repository.

Disclaimer: The team releasing SegFormer did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

SegFormer consists of a hierarchical Transformer encoder and a lightweight all-MLP decode head to achieve great results on semantic segmentation benchmarks such as ADE20K and Cityscapes. The hierarchical Transformer is first pre-trained on ImageNet-1k, after which a decode head is added and fine-tuned altogether on a downstream dataset.

This repository only contains the pre-trained hierarchical Transformer, hence it can be used for fine-tuning purposes.

Intended uses & limitations

You can use the model for fine-tuning of semantic segmentation. See the model hub to look for fine-tuned versions on a task that interests you.

How to use

Here is how to use this model to classify an image of the COCO 2017 dataset into one of the 1,000 ImageNet classes:

from transformers import SegformerFeatureExtractor, SegformerForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = SegformerFeatureExtractor.from_pretrained("nvidia/mit-b3")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b3")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

For more code examples, we refer to the documentation.

License

The license for this model can be found here.

BibTeX entry and citation info

@article{DBLP:journals/corr/abs-2105-15203,
  author    = {Enze Xie and
               Wenhai Wang and
               Zhiding Yu and
               Anima Anandkumar and
               Jose M. Alvarez and
               Ping Luo},
  title     = {SegFormer: Simple and Efficient Design for Semantic Segmentation with
               Transformers},
  journal   = {CoRR},
  volume    = {abs/2105.15203},
  year      = {2021},
  url       = {https://arxiv.org/abs/2105.15203},
  eprinttype = {arXiv},
  eprint    = {2105.15203},
  timestamp = {Wed, 02 Jun 2021 11:46:42 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2105-15203.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
SegformerForImageClassification
Ревизия весов
0e0522c

0 моделей