/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
mobilevitv2 · dense
Библиотека
transformers
Опубликована
2 мая 2023

mobilevitv2-1.0-voc-deeplabv3

Сегментация изображенийИзображение → mask3 профессии

MobileViTv2 с головой DeepLabV3 сегментирует изображения по классам PASCAL VOC и рассчитана на обработку изображений размером 512×512.

272скачиваний за 30 дней0лайковвеса обновлены2 мая 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

MobileViTv2 с головой DeepLabV3 — модель семантической сегментации изображений, впервые выпущенная в репозитории shehan97. Она использует MobileViTv2 в качестве визуального энкодера: в архитектуре MobileViT механизм многоголового внимания заменён разделимым вниманием. Модель обучалась на разрешении 512×512: сначала на ImageNet-1k, затем дообучалась на PASCAL VOC2012.

Модель предназначена для разметки областей на изображениях и может использоваться для сегментации сцен, содержащих классы PASCAL VOC. Вход — изображение, выход — пиксельная семантическая разметка. Карточка не сообщает точное число параметров или метрики качества. Лицензия указана как Apple Sample Code License; перед использованием следует проверить её условия для конкретного сценария.

Сценарии применения

  • семантическая сегментация изображений PASCAL VOC
  • разметка объектов и областей на изображениях
  • эксперименты с сегментацией на мобильной архитектуре компьютерного зрения

Ограничения

Модель дообучена на PASCAL VOC2012, поэтому её классы и качество могут не соответствовать изображениям из других предметных областей. Условия лицензии Apple Sample Code License следует проверить 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

MobileViTv2 + DeepLabv3 (shehan97/mobilevitv2-1.0-voc-deeplabv3)

MobileViTv2 model pre-trained on PASCAL VOC at resolution 512x512. It was introduced in Separable Self-attention for Mobile Vision Transformers by Sachin Mehta and Mohammad Rastegari, and first released in this repository. The license used is Apple sample code license.

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

Model Description

MobileViTv2 is constructed by replacing the multi-headed self-attention in MobileViT with separable self-attention.

The model in this repo adds a DeepLabV3 head to the MobileViT backbone for semantic segmentation.

Intended uses & limitations

You can use the raw model for 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:

from transformers import MobileViTv2FeatureExtractor, MobileViTv2ForSemanticSegmentation
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 = MobileViTv2FeatureExtractor.from_pretrained("shehan97/mobilevitv2-1.0-voc-deeplabv3")
model = MobileViTv2ForSemanticSegmentation.from_pretrained("shehan97/mobilevitv2-1.0-voc-deeplabv3")

inputs = feature_extractor(images=image, return_tensors="pt")

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

predicted_mask = logits.argmax(1).squeeze(0)

Currently, both the feature extractor and model support PyTorch.

Training data

The MobileViT + DeepLabV3 model was pretrained on ImageNet-1k, a dataset consisting of 1 million images and 1,000 classes, and then fine-tuned on the PASCAL VOC2012 dataset.

BibTeX entry and citation info

@inproceedings{vision-transformer,
title = {Separable Self-attention for Mobile Vision Transformers},
author = {Sachin Mehta and Mohammad Rastegari},
year = {2022},
URL = {https://arxiv.org/abs/2206.02680}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
MobileViTv2ForSemanticSegmentation
Ревизия весов
ca6ffa5

0 моделей