/ Модель

Характеристики

Лицензия
MIT
Архитектура
segformer · dense
Опубликована
27 фев 2024

segformer_b3_clothes

Сегментация изображенийИзображение → mask3 профессии

Дообученная SegFormer B3 размечает на изображениях одежду, аксессуары и части человеческого тела.

12 116скачиваний за 30 дней41лайквеса обновлены27 фев 2024

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

SegFormer B3 — модель семантической сегментации изображений, дообученная sayeed99 на наборе ATR для выделения одежды и частей человеческой фигуры. Она размечает пиксели 18 классами: фоном, предметами одежды и аксессуарами, волосами, лицом и частями тела; подходит для анализа фотографий людей и задач human parsing.

В README приведены оценки на тестировании: средняя точность 0,80 и средний IoU 0,69. Точность зависит от класса: например, для волос IoU составляет 0,82, а для шляп — 0,68. Модель предназначена для изображений; сведения о поддерживаемых естественных языках и размере входа в предоставленных данных отсутствуют. Репозиторий использует формат safetensors и распространяется по лицензии MIT.

Сценарии применения

  • сегментация одежды на фотографиях людей
  • разметка частей тела для human parsing
  • выделение волос, лица и конечностей на изображении
  • определение обуви, сумок и аксессуаров
  • подготовка масок одежды для компьютерного зрения

Ограничения

Средний IoU в приведённой оценке составляет 0,69, а качество различается по классам. Модель обучена для сегментации одежды и людей, поэтому её метки и качество могут быть ограничены этим сценарием.

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 fine-tuned for clothes segmentation

SegFormer model fine-tuned on ATR dataset for clothes segmentation but can also be used for human segmentation. The dataset on hugging face is called "mattmdjaga/human_parsing_dataset".

NEW - Training code. Right now it only contains the pure code with some comments, but soon I'll add a colab notebook version and a blog post with it to make it more friendly.

from transformers import SegformerImageProcessor, AutoModelForSemanticSegmentation
from PIL import Image
import requests
import matplotlib.pyplot as plt
import torch.nn as nn

processor = SegformerImageProcessor.from_pretrained("sayeed99/segformer_b3_clothes")
model = AutoModelForSemanticSegmentation.from_pretrained("sayeed99/segformer_b3_clothes")

url = "https://plus.unsplash.com/premium_photo-1673210886161-bfcc40f54d1f?ixlib=rb-4.0.3&ixid=MnwxMjA3fDB8MHxzZWFyY2h8MXx8cGVyc29uJTIwc3RhbmRpbmd8ZW58MHx8MHx8&w=1000&q=80"

image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

outputs = model(**inputs)
logits = outputs.logits.cpu()

upsampled_logits = nn.functional.interpolate(
    logits,
    size=image.size[::-1],
    mode="bilinear",
    align_corners=False,
)

pred_seg = upsampled_logits.argmax(dim=1)[0]
plt.imshow(pred_seg)

Labels: 0: "Background", 1: "Hat", 2: "Hair", 3: "Sunglasses", 4: "Upper-clothes", 5: "Skirt", 6: "Pants", 7: "Dress", 8: "Belt", 9: "Left-shoe", 10: "Right-shoe", 11: "Face", 12: "Left-leg", 13: "Right-leg", 14: "Left-arm", 15: "Right-arm", 16: "Bag", 17: "Scarf"

Evaluation

Label IndexLabel NameCategory AccuracyCategory IoU
0Background0.990.99
1Hat0.730.68
2Hair0.910.82
3Sunglasses0.730.63
4Upper-clothes0.870.78
5Skirt0.760.65
6Pants0.900.84
7Dress0.740.55
8Belt0.350.30
9Left-shoe0.740.58
10Right-shoe0.750.60
11Face0.920.85
12Left-leg0.900.82
13Right-leg0.900.81
14Left-arm0.860.74
15Right-arm0.820.73
16Bag0.910.84
17Scarf0.630.29

Overall Evaluation Metrics:

  • Evaluation Loss: 0.15
  • Mean Accuracy: 0.80
  • Mean IoU: 0.69

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-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
SegformerForSemanticSegmentation
Ревизия весов
6c12f0e

0 моделей