参数

• images (ImageInput) — 待预处理的图像。需要单张或一批像素值在 0 到 255 范围内的图像。如果传入的图像像素值在 0 到 1 之间，请设置 `do_rescale=False`。
• do_resize (bool, 可选, 默认为 `self.do_resize`) — 是否调整图像大小。
• size (dict[str, int], 可选, 默认为 `self.size`) — 调整大小后的图像尺寸。图像的最短边将被调整为 size[“shortest_edge”]，最长边则按比例调整以保持输入图像的宽高比。
• resample (PILImageResampling filter, 可选, 默认为 `self.resample`) — 用于调整图像大小的 `PILImageResampling` 过滤器，例如 `PILImageResampling.BILINEAR`。仅在 `do_resize` 设置为 `True` 时有效。
• do_center_crop (bool, 可选, 默认为 `self.do_center_crop`) — 是否对图像进行中心裁剪。
• crop_size (dict[str, int], 可选, 默认为 `self.crop_size`) — 中心裁剪的大小。仅在 `do_center_crop` 设置为 `True` 时有效。
• do_rescale (bool, 可选, 默认为 `self.do_rescale`) — 是否将图像值重新缩放到 [0 - 1] 之间。
• rescale_factor (float, 可选, 默认为 `self.rescale_factor`) — 如果 `do_rescale` 设置为 `True`，用于重新缩放图像的缩放因子。
• do_normalize (bool, 可选, 默认为 `self.do_normalize`) — 是否对图像进行归一化。
• image_mean (float 或 list[float], 可选, 默认为 `self.image_mean`) — 如果 `do_normalize` 设置为 `True`，则使用的图像均值。
• image_std (float 或 list[float], 可选, 默认为 `self.image_std`) — 如果 `do_normalize` 设置为 `True`，则使用的图像标准差。
• return_tensors (str 或 TensorType, 可选) — 返回张量的类型。可以是以下之一：
  • 未设置：返回一个 `np.ndarray` 列表。
  • `TensorType.TENSORFLOW` 或 `'tf'`：返回一个类型为 `tf.Tensor` 的批次。
  • `TensorType.PYTORCH` 或 `'pt'`：返回一个类型为 `torch.Tensor` 的批次。
  • `TensorType.NUMPY` 或 `'np'`：返回一个类型为 `np.ndarray` 的批次。
  • `TensorType.JAX` 或 `'jax'`：返回一个类型为 `jax.numpy.ndarray` 的批次。
• data_format (ChannelDimension 或 str, 可选, 默认为 `ChannelDimension.FIRST`) — 输出图像的通道维度格式。可以是以下之一：
  • `"channels_first"` 或 `ChannelDimension.FIRST`：图像格式为 (num_channels, height, width)。
  • `"channels_last"` 或 `ChannelDimension.LAST`：图像格式为 (height, width, num_channels)。
  • 未设置：使用输入图像的通道维度格式。
• input_data_format (ChannelDimension 或 str, 可选) — 输入图像的通道维度格式。如果未设置，则从输入图像中推断通道维度格式。可以是以下之一：
  • `"channels_first"` 或 `ChannelDimension.FIRST`：图像格式为 (num_channels, height, width)。
  • `"channels_last"` 或 `ChannelDimension.LAST`：图像格式为 (height, width, num_channels)。
  • `"none"` 或 `ChannelDimension.NONE`：图像格式为 (height, width)。

参数

• outputs (MobileNetV2ForSemanticSegmentation) — 模型的原始输出。
• target_sizes (长度为 `batch_size` 的 `list[Tuple]`, 可选) — 对应每个预测请求的最终尺寸（高，宽）的元组列表。如果未设置，预测将不会被调整大小。

长度为 `batch_size` 的 `list[torch.Tensor]`，其中每个元素是一个形状为 (height, width) 的语义分割图，对应于 target_sizes 中的条目（如果指定了 `target_sizes`）。每个 `torch.Tensor` 的每个条目对应一个语义类别 ID。

参数

• images (ImageInput) — 需要预处理的图像。接受单个或一批像素值在 0 到 255 范围内的图像。如果传入的图像像素值在 0 到 1 之间，请设置 do_rescale=False。
• do_resize (bool, optional, defaults to self.do_resize) — 是否调整图像大小。
• size (dict[str, int], optional, defaults to self.size) — 调整大小后的图像尺寸。图像的最短边调整为 size["shortest_edge"]，最长边则按比例调整以保持输入图像的宽高比。
• resample (PILImageResampling filter, optional, defaults to self.resample) — 如果要调整图像大小，使用的 PILImageResampling 过滤器，例如 PILImageResampling.BILINEAR。仅当 do_resize 设置为 True 时生效。
• do_center_crop (bool, optional, defaults to self.do_center_crop) — 是否对图像进行中心裁剪。
• crop_size (dict[str, int], optional, defaults to self.crop_size) — 中心裁剪的尺寸。仅当 do_center_crop 设置为 True 时生效。
• do_rescale (bool, optional, defaults to self.do_rescale) — 是否将图像像素值缩放到 [0 - 1] 之间。
• rescale_factor (float, optional, defaults to self.rescale_factor) — 当 do_rescale 设置为 True 时，用于缩放图像的因子。
• do_normalize (bool, optional, defaults to self.do_normalize) — 是否对图像进行归一化。
• image_mean (float or list[float], optional, defaults to self.image_mean) — 当 do_normalize 设置为 True 时，用于归一化的图像均值。
• image_std (float or list[float], optional, defaults to self.image_std) — 当 do_normalize 设置为 True 时，用于归一化的图像标准差。
• return_tensors (str or TensorType, optional) — 返回的张量类型。可以是以下之一：
  • 未设置：返回一个 np.ndarray 列表。
  • TensorType.TENSORFLOW 或 'tf'：返回一个 tf.Tensor 类型的批次。
  • TensorType.PYTORCH 或 'pt'：返回一个 torch.Tensor 类型的批次。
  • TensorType.NUMPY 或 'np'：返回一个 np.ndarray 类型的批次。
  • TensorType.JAX 或 'jax'：返回一个 jax.numpy.ndarray 类型的批次。
• data_format (ChannelDimension or str, optional, defaults to ChannelDimension.FIRST) — 输出图像的通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
  • 未设置：使用输入图像的通道维度格式。
• input_data_format (ChannelDimension or str, optional) — 输入图像的通道维度格式。如果未设置，则从输入图像中推断通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：图像格式为 (height, width)。

参数

• images (Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']]) — 需要预处理的图像。接受单个或一批像素值在 0 到 255 范围内的图像。如果传入的图像像素值在 0 到 1 之间，请设置 do_rescale=False。
• do_resize (bool, optional) — 是否调整图像大小。
• size (dict[str, int], optional) — 描述模型的最大输入尺寸。
• default_to_square (bool, optional) — 如果 size 是一个整数，在调整大小时是否默认为方形图像。
• resample (Union[PILImageResampling, F.InterpolationMode, NoneType]) — 调整图像大小时使用的重采样过滤器。可以是 PILImageResampling 枚举之一。仅当 do_resize 设置为 True 时生效。
• do_center_crop (bool, optional) — 是否对图像进行中心裁剪。
• crop_size (dict[str, int], optional) — 应用 center_crop 后输出图像的尺寸。
• do_rescale (bool, optional) — 是否对图像进行缩放。
• rescale_factor (Union[int, float, NoneType]) — 当 do_rescale 设置为 True 时，用于缩放图像的因子。
• do_normalize (bool, optional) — 是否对图像进行归一化。
• image_mean (Union[float, list[float], NoneType]) — 用于归一化的图像均值。仅当 do_normalize 设置为 True 时生效。
• image_std (Union[float, list[float], NoneType]) — 用于归一化的图像标准差。仅当 do_normalize 设置为 True 时生效。
• do_convert_rgb (bool, optional) — 是否将图像转换为 RGB 格式。
• return_tensors (Union[str, ~utils.generic.TensorType, NoneType]) — 如果设置为 `pt`，则返回堆叠的张量，否则返回张量列表。
• data_format (~image_utils.ChannelDimension, optional) — 仅支持 ChannelDimension.FIRST。为与慢速处理器兼容而添加。
• input_data_format (Union[str, ~image_utils.ChannelDimension, NoneType]) — 输入图像的通道维度格式。如果未设置，则从输入图像中推断通道维度格式。可以是以下之一：
  • "channels_first" 或 ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
  • "channels_last" 或 ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
  • "none" 或 ChannelDimension.NONE：图像格式为 (height, width)。
• device (torch.device, optional) — 处理图像的设备。如果未设置，则从输入图像中推断设备。
• disable_grouping (bool, optional) — 是否禁用按尺寸对图像进行分组，以便单独处理而不是分批处理。如果为 None，则当图像在 CPU 上时将设置为 True，否则为 False。此选择基于经验观察，详情请见：https://github.com/huggingface/transformers/pull/38157

• data (dict) — 由 call 方法返回的列表/数组/张量字典（“pixel_values”等）。
• tensor_type (Union[None, str, TensorType], 可选) — 您可以在此处提供一个`tensor_type`，以便在初始化时将整数列表转换为PyTorch/TensorFlow/Numpy张量。

参数

• outputs (MobileNetV2ForSemanticSegmentation) — 模型的原始输出。
• target_sizes (长度为 batch_size 的 list[Tuple]，optional) — 与每个预测请求的最终尺寸（高度，宽度）相对应的元组列表。如果未设置，则不会调整预测大小。

长度为 `batch_size` 的 `list[torch.Tensor]`，其中每个元素是一个形状为 (height, width) 的语义分割图，对应于 target_sizes 中的条目（如果指定了 `target_sizes`）。每个 `torch.Tensor` 的每个条目对应一个语义类别 ID。

参数

• pixel_values (torch.Tensor，形状为 (batch_size, num_channels, image_size, image_size)，可选) — 与输入图像对应的张量。像素值可以使用 {image_processor_class} 获取。有关详细信息，请参阅 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 处理图像）。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的 hidden_states。
• return_dict (bool，可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。

一个 transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置（MobileNetV2Config）和输入包含不同的元素。

• last_hidden_state (torch.FloatTensor, 形状为 (batch_size, num_channels, height, width)) — 模型最后一层输出的隐藏状态序列。

• pooler_output (torch.FloatTensor, 形状为 (batch_size, hidden_size)) — 经过空间维度池化操作后的最后一层隐藏状态。

• hidden_states (tuple(torch.FloatTensor)，可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出（如果模型有嵌入层），+ 一个用于每层的输出），形状为 (batch_size, num_channels, height, width)。

  模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

参数

• pixel_values (torch.Tensor，形状为 (batch_size, num_channels, image_size, image_size)，可选) — 与输入图像对应的张量。像素值可以使用 {image_processor_class} 获取。有关详细信息，请参阅 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 处理图像）。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的 hidden_states。
• labels (torch.LongTensor，形状为 (batch_size,)，可选) — 用于计算图像分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 范围内。如果 config.num_labels == 1，则计算回归损失（均方损失）。如果 config.num_labels > 1，则计算分类损失（交叉熵）。
• return_dict (bool，可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。

一个 transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置（MobileNetV2Config）和输入包含不同的元素。

• loss (形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回) — 分类损失（如果 config.num_labels==1，则为回归损失）。
• logits (形状为 (batch_size, config.num_labels) 的 torch.FloatTensor) — 分类（如果 config.num_labels==1，则为回归）分数（SoftMax 之前）。
• hidden_states (tuple(torch.FloatTensor)，可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出（如果模型有嵌入层），+ 一个用于每个阶段的输出），形状为 (batch_size, num_channels, height, width)。模型在每个阶段输出的隐藏状态（也称为特征图）。

参数

• pixel_values (torch.Tensor，形状为 (batch_size, num_channels, image_size, image_size)，可选) — 与输入图像对应的张量。像素值可以使用 {image_processor_class} 获取。有关详细信息，请参阅 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 处理图像）。
• labels (torch.LongTensor，形状为 (batch_size, height, width)，可选) — 用于计算损失的真实语义分割图。索引应在 [0, ..., config.num_labels - 1] 范围内。如果 config.num_labels > 1，则计算分类损失（交叉熵）。
• output_hidden_states (bool，可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的 hidden_states。
• return_dict (bool，可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。

一个 transformers.modeling_outputs.SemanticSegmenterOutput 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置（MobileNetV2Config）和输入包含不同的元素。

• loss (形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回) — 分类损失（如果 config.num_labels==1，则为回归损失）。

• logits (形状为 (batch_size, config.num_labels, logits_height, logits_width) 的 torch.FloatTensor) — 每个像素的分类分数。

  返回的 logits 的尺寸不一定与作为输入传递的 pixel_values 相同。这是为了避免进行两次插值并在用户需要将 logits 调整到原始图像尺寸作为后处理时损失一些质量。您应始终检查 logits 的形状并根据需要进行调整。

• hidden_states (tuple(torch.FloatTensor)，可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出（如果模型有嵌入层），+ 一个用于每层的输出），形状为 (batch_size, patch_size, hidden_size)。

  模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

• attentions (tuple(torch.FloatTensor)，可选，当传递 output_attentions=True 或 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每层一个），形状为 (batch_size, num_heads, patch_size, sequence_length)。

  注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。