图像分割
图像分割将图像划分为多个部分，其中图像中的每个像素都映射到一个对象。
有关 image-segmentation 任务的更多详细信息，请查看其专用页面！您将找到示例和相关资料。
推荐模型
- nvidia/segformer-b0-finetuned-ade-512-512：在 ADE20k 基准数据集上训练的语义分割模型，分辨率为 512x512。
探索所有可用的模型，并找到最适合您的模型在这里。
使用 API
Python
JavaScript
cURL
import requests
API_URL = "https://api-inference.huggingface.co/models/nvidia/segformer-b0-finetuned-ade-512-512"
headers = {"Authorization": "Bearer hf_***"}
def query(filename):
with open(filename, "rb") as f:
data = f.read()
response = requests.post(API_URL, headers=headers, data=data)
return response.json()
output = query("cats.jpg")要使用 Python 客户端，请参阅 huggingface_hub 的包参考。
API 规范
请求
| 有效负载 | ||
|---|---|---|
| inputs* | string | 输入图像数据，以 base64 编码的字符串形式。如果没有提供 parameters，您也可以将图像数据作为原始字节有效负载提供。 |
| parameters | object | 图像分割的附加推理参数 |
| mask_threshold | number | 将预测的掩码转换为二进制值时使用的阈值。 |
| overlap_mask_area_threshold | number | 消除小型、分离段的掩码重叠阈值。 |
| subtask | enum | 可能的取值：instance、panoptic、semantic。 |
| threshold | number | 用于过滤预测的掩码的概率阈值。 |
可以通过向推理 API 传递标头来配置某些选项。以下是可用的标头
| 标头 | ||
|---|---|---|
| authorization | string | 以 'Bearer: hf_****' 形式的认证标头，其中 hf_**** 是具有推理 API 权限的个人用户访问令牌。您可以从您的设置页面生成一个。 |
| x-use-cache | boolean，默认为 true | 推理 API 上有一个缓存层，可以加快我们已经看到过的请求的速度。大多数模型可以使用这些结果，因为它们是确定性的（这意味着输出将始终相同）。但是，如果您使用的是非确定性模型，则可以将此参数设置为防止使用缓存机制，从而导致真正的全新查询。阅读更多关于缓存的信息在这里。 |
| x-wait-for-model | boolean，默认为 false | 如果模型未准备好，则等待模型，而不是接收 503。它限制了完成推理所需的请求次数。建议只有在收到 503 错误后才将此标志设置为 true，因为它会将您的应用程序中的挂起限制在已知的位置。阅读更多关于模型可用性的信息在这里。 |
有关推理 API 标头的更多信息，请查看指南中的参数。
响应
| 主体 | ||
|---|---|---|
| (数组) | 对象[] | 预测的掩码/段 |
| 标签 | string | 预测段的标签。 |
| 掩码 | string | 相应的掩码，以黑白图像（base64 编码）形式。 |
| 分数 | number | 模型具有的分数或置信度。 |