api-inference 文档

图像分割

Hugging Face's logo
加入 Hugging Face 社区

并获得增强型文档体验

开始使用

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

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 '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。
< > 更新 在 GitHub 上