Характеристики

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

Ссылки

Hugging Face arXiv 1807.10221 arXiv 2201.03545

upernet-convnext-small

openmmlab

Сегментация изображенийИзображение → mask3 профессии

Модель UperNet с backbone ConvNeXt Small для семантической сегментации изображений с разметкой каждого пикселя.

15 041скачиваний за 30 дней34лайкавеса обновлены19 янв 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-small — модель сегментации изображений на основе архитектуры UperNet с энкодером ConvNeXt Small. UperNet объединяет backbone, Feature Pyramid Network и Pyramid Pooling Module и предсказывает семантическую метку для каждого пикселя изображения.

Модель предназначена для семантической сегментации сцен и других изображений. Её можно использовать как готовую модель сегментации или как основу для настройки под конкретные наборы классов и сценарии компьютерного зрения. В карточке указаны библиотека Transformers и формат PyTorch; модель опубликована OpenMMLab под лицензией MIT.

Карточка не сообщает размер набора классов, обучающие данные и численные показатели качества, поэтому пригодность для конкретного домена следует проверять отдельно. Модель принимает изображения и выдаёт пиксельную разметку; языковая обработка не является её задачей.

Сценарии применения

семантическая сегментация фотографий и сцен
получение пиксельной маски объектов и областей
анализ визуальной сцены по классам пикселей

Ограничения

Карточка не приводит метрики качества, обучающий датасет или перечень классов, поэтому точность для конкретных изображений и доменов не установлена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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 small-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: 550b68d