SegFormerBackbone
类keras_hub.models.SegFormerBackbone(image_encoder, projection_filters, **kwargs)
一个实现 SegFormer 用于语义分割的 Keras 模型。
此类实现了 SegFormer 架构的大部分内容,该架构在 SegFormer: Simple and Efficient Design for Semantic Segmentation 中描述,并基于 DeepVision 的 TensorFlow 实现。
SegFormer 旨在与 MixTransformer (MiT) 编码器系列一起使用,并使用非常轻量级的全 MLP 解码器头。
MiT 编码器使用分层 Transformer,该 Transformer 在多个尺度上输出特征,类似于通常与 CNN 相关的分层输出。
参数
keras.Model
。模型的骨干网络,用作 SegFormer 编码器的特征提取器。应与专为 SegFormer 创建的 MiT 骨干模型 (keras_hub.models.MiTBackbone
) 一起使用。示例
使用自定义的 backbone
初始化类
import keras_hub
backbone = keras_hub.models.MiTBackbone(
depths=[2, 2, 2, 2],
image_shape=(224, 224, 3),
hidden_dims=[32, 64, 160, 256],
num_layers=4,
blockwise_num_heads=[1, 2, 5, 8],
blockwise_sr_ratios=[8, 4, 2, 1],
max_drop_path_rate=0.1,
patch_sizes=[7, 3, 3, 3],
strides=[4, 2, 2, 2],
)
segformer_backbone = keras_hub.models.SegFormerBackbone(
image_encoder=backbone, projection_filters=256)
使用预设的 backbone
初始化类
import keras_hub
backbone = keras_hub.models.MiTBackbone.from_preset("mit_b0_ade20k_512")
segformer_backbone = keras_hub.models.SegFormerBackbone(
image_encoder=backbone, projection_filters=256)
from_preset
方法SegFormerBackbone.from_preset(preset, load_weights=True, **kwargs)
从模型预设实例化一个 keras_hub.models.Backbone
。
预设是一个包含配置、权重和其他文件资产的目录,用于保存和加载预训练模型。preset
可以以下列方式之一传递:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./bert_base_en'
此构造函数可以通过两种方式之一调用。可以从基类调用,例如 keras_hub.models.Backbone.from_preset()
,也可以从模型类调用,例如 keras_hub.models.GemmaBackbone.from_preset()
。如果从基类调用,返回对象的子类将从预设目录中的配置推断。
对于任何 Backbone
子类,您可以运行 cls.presets.keys()
来列出该类上所有可用的内置预设。
参数
True
,权重将被加载到模型架构中。如果为 False
,权重将被随机初始化。示例
# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
"gemma_2b_en",
)
# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
"bert_base_en",
load_weights=False,
)