Характеристики

Лицензия: MIT
Архитектура: upernet · dense
Опубликована: 13 янв 2023

Ссылки

Hugging Face arXiv 1807.10221 arXiv 2201.03545

upernet-convnext-base

Сегментация изображенийИзображение → mask3 профессии

UperNet с backbone ConvNeXt базового размера для семантической сегментации изображений с предсказанием класса для каждого пикселя.

2 125скачиваний за 30 дней1лайквеса обновлены23 июн 2023

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

openmmlab/upernet-convnext-base — модель семантической сегментации изображений на основе фреймворка UperNet и backbone ConvNeXt базового размера. UperNet объединяет backbone с Feature Pyramid Network и модулем Pyramid Pooling Module, чтобы предсказывать семантическую метку для каждого пикселя изображения.

Модель предназначена для разметки сцен и объектов на изображениях по классам. Её можно применять как готовую модель сегментации или использовать как основу для дообученных вариантов под конкретные задачи. Карточка не приводит точное число параметров, набор классов или результаты оценки. Веса доступны в форматах PyTorch и Safetensors; лицензия — MIT.

Сценарии применения

семантическая сегментация сцен на изображениях
попиксельная разметка объектов и областей
анализ визуального содержимого изображений по классам

Ограничения

Карточка не приводит перечень классов, на которых обучена модель, и метрики качества; для конкретной предметной области может потребоваться подходящий дообученный вариант.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

UperNet, ConvNeXt base-sized backbone

UperNet framework for semantic segmentation, leveraging a ConvNeXt backbone. UperNet was introduced in the paper Unified Perceptual Parsing for Scene Understanding by Xiao et al.

Combining UperNet with a ConvNeXt backbone was introduced in the paper A ConvNet for the 2020s.

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

Model description

UperNet is a framework for semantic segmentation. It consists of several components, including a backbone, a Feature Pyramid Network (FPN) and a Pyramid Pooling Module (PPM).

Any visual backbone can be plugged into the UperNet framework. The framework predicts a semantic label per pixel.

UperNet architecture

Intended uses & limitations

You can use the raw model for semantic segmentation. See the model hub to look for fine-tuned versions (with various backbones) on a task that interests you.

How to use

For code examples, we refer to the documentation.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры: UperNetForSemanticSegmentation
Ревизия весов: 13a9c41