本指南将向您展示如何优化Segformer,这是一种最先进的语义分割模型。我们的目标是为一个送披萨的机器人构建一个模型,这样它就可以看到该开车去哪里,并识别障碍物🍕🤖。我们首先在Segments.ai上标记一组人行道图像。然后,我们将通过使用🤗transformer来优化一个预训练的SegFormer模型,这是一个开源库,提供了最先进的模型的易于使用的实现。在此过程中,您将学习如何使用Hugging Face Hub,最大的模型和数据集的开源目

成为VIP会员查看完整内容
21

相关内容

专知会员服务
26+阅读 · 2021年5月23日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
38+阅读 · 2021年4月9日
【文章|BERT三步使用NLP迁移学习】NLP Transfer Learning In 3 Steps
通过 TensorFlow Similarity 自监督学习提高模型准确率
谷歌开发者
2+阅读 · 2022年3月3日
使用 TensorFlow Lite 简化移动端目标检测
TensorFlow
0+阅读 · 2021年8月4日
Mask-RCNN模型的实现自定义对象(无人机)检测
计算机视觉life
17+阅读 · 2019年8月12日
PyTorch语义分割开源库semseg
极市平台
25+阅读 · 2019年6月6日
人脸检测库:libfacedetection
Python程序员
15+阅读 · 2019年3月22日
使用 Bert 预训练模型文本分类(内附源码)
数据库开发
102+阅读 · 2019年3月12日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
12+阅读 · 2021年11月1日
On Feature Normalization and Data Augmentation
Arxiv
15+阅读 · 2020年2月25日
VIP会员
最新内容
世界模型入门:从序贯决策到通用智能体
专知会员服务
4+阅读 · 10月24日
军事域更好使用人工智能的实用指南
专知会员服务
8+阅读 · 10月22日
《衡量语言模型中的作战规划能力》
专知会员服务
14+阅读 · 10月20日
Maven智能系统:帕兰提尔军事人工智能平台详解
专知会员服务
15+阅读 · 10月20日
《测试自动化框架在敏捷软件开发中的角色》
专知会员服务
8+阅读 · 10月20日
俄罗斯如何拦截乌克兰无人机与巡航导弹
专知会员服务
12+阅读 · 10月15日
《武器-目标分配问题:精确与近似求解算法》
专知会员服务
17+阅读 · 10月15日
相关VIP内容
专知会员服务
26+阅读 · 2021年5月23日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
38+阅读 · 2021年4月9日
【文章|BERT三步使用NLP迁移学习】NLP Transfer Learning In 3 Steps
相关资讯
通过 TensorFlow Similarity 自监督学习提高模型准确率
谷歌开发者
2+阅读 · 2022年3月3日
使用 TensorFlow Lite 简化移动端目标检测
TensorFlow
0+阅读 · 2021年8月4日
Mask-RCNN模型的实现自定义对象(无人机)检测
计算机视觉life
17+阅读 · 2019年8月12日
PyTorch语义分割开源库semseg
极市平台
25+阅读 · 2019年6月6日
人脸检测库:libfacedetection
Python程序员
15+阅读 · 2019年3月22日
使用 Bert 预训练模型文本分类(内附源码)
数据库开发
102+阅读 · 2019年3月12日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员