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。
该类实现了 SegFormer: Simple and Efficient Design for Semantic Segmentation 中描述的大部分 SegFormer 架构，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 解码器头部。
MiT 编码器使用分层 Transformer，它以多尺度输出特征，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 MiT 骨干模型 (keras_hub.models.MiTBackbone) 一起使用，该模型是专门为 SegFormer 创建的。示例
使用自定义 backbone 调用类
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 backbone 调用类
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、权重和其他文件资源的目录，用于保存和加载预训练模型。preset 可以作为以下之一传递：
'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，返回对象的子类将根据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
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,
)