Характеристики

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

Ссылки

Hugging Face arXiv 1807.10221 arXiv 2201.03545

upernet-convnext-xlarge

Сегментация изображенийИзображение → mask3 профессии

Модель UperNet с backbone ConvNeXt XLarge для семантической сегментации изображений с присвоением метки каждому пикселю.

109скачиваний за 30 дней2лайкавеса обновлены4 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-xlarge — модель семантической сегментации изображений на основе UperNet с backbone ConvNeXt XLarge. UperNet объединяет backbone с Feature Pyramid Network и модулем Pyramid Pooling Module; модель предсказывает семантическую метку для каждого пикселя изображения. Подход описан в работах Unified Perceptual Parsing for Scene Understanding и A ConvNet for the 2020s.

Модель предназначена для разметки сцен и объектов на изображениях по пикселям. Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия — MIT. В карточке не приведены сведения о наборе классов или обучающих данных, поэтому применимость к конкретным категориям изображений зависит от обученной версии модели.

Сценарии применения

создание попиксельных карт классов объектов на изображении
сегментация элементов городской или природной сцены
выделение семантических областей на фотографиях
подготовка масок сегментации для компьютерного зрения

Ограничения

Карточка не уточняет набор классов и обучающие данные; точность и применимость к конкретному типу изображений зависят от обучения модели.

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 xlarge-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: c636a3c