---
library_name: pytorch
pipeline_tag: image-segmentation
tags:
  - semantic-segmentation
  - cityscapes
  - torchscript
  - deeplabv3
  - pytorch
  - cpu
datasets:
  - cityscapes
metrics:
  - type: mIoU
    value: 0.73
  - type: wmIoU
    value: 0.85
license: mit
---

# Cityscapes Segmentation (8 classes) — SERNet (TorchScript)

Modèle de **segmentation sémantique** pour scènes urbaines (Cityscapes), 8 classes :
`void, flat, construction, object, nature, sky, human, vehicle`.

- **Architecture** : SERNet (compatible API DeepLabV3 / torchvision)  
- **Format des poids** : **TorchScript** — `sernet_model.pt`  
- **Métriques (val)** : **mIoU ≈ 73%**, **wmIoU ≈ 85%**  
- **Cible** : CPU (fonctionne aussi sur GPU si déplacé)

---

## 🧩 Classes (IDs)

- 0: void  
- 1: flat  
- 2: construction  
- 3: object  
- 4: nature  
- 5: sky  
- 6: human  
- 7: vehicle  

---

## 🛠️ Preprocessing (torchvision)

Le modèle utilise les **transforms officiels** associés aux poids torchvision :

```python
from torchvision.models.segmentation import DeepLabV3_ResNet101_Weights

weights = DeepLabV3_ResNet101_Weights.DEFAULT
preprocess = weights.transforms()  # PIL -> Tensor + normalisation ImageNet
```

- **Taille d’entrée** : non imposée. Pour la latence CPU, redimensionner **avant** `preprocess`, p.ex. **(H, W) = (480, 960)**.  
- **Sortie** : logits `(B, 8, H, W)` → `argmax(dim=1)` donne un masque `(H, W)` d’IDs de classe.

---

## 📦 Utilisation — via Hugging Face Hub (TorchScript)

```python
from huggingface_hub import hf_hub_download
from torchvision.models.segmentation import DeepLabV3_ResNet101_Weights
from PIL import Image
import torch, numpy as np

REPO_ID  = "<votre-user>/p9-cityscapes-model"
FILENAME = "sernet_model.pt"

# 1) Charger le modèle TorchScript
path  = hf_hub_download(repo_id=REPO_ID, filename=FILENAME)  # cache auto (~/.cache/huggingface)
model = torch.jit.load(path, map_location="cpu").eval()

# 2) Préprocess (torchvision)
weights    = DeepLabV3_ResNet101_Weights.DEFAULT
preprocess = weights.transforms()

# 3) Préparer l’image
Resample = getattr(Image, "Resampling", Image)  # compat Pillow<9.1
img = Image.open("demo.jpg").convert("RGB")
img = img.resize((960, 480), Resample.BILINEAR)  # optionnel (latence CPU)
x   = preprocess(img).unsqueeze(0)  # [1,C,H,W]

# 4) Prédire
with torch.inference_mode():
    out = model(x)

logits = out["out"] if isinstance(out, dict) else out  # (1,8,H,W)
seg    = torch.argmax(logits, 1).squeeze(0).cpu().numpy().astype("uint8")
print("mask:", seg.shape, "classes:", np.unique(seg))
```

---

## 🎨 Palette (facultatif)

```python
import numpy as np
from matplotlib import colors

PALETTE = ['b','g','r','c','m','y','k','w']  # 0..7

def colorize(seg: np.ndarray) -> np.ndarray:
    h, w = seg.shape
    out = np.zeros((h, w, 3), dtype=np.float32)
    for cid in range(8):
        mask = (seg == cid)
        r, g, b = colors.to_rgb(PALETTE[cid])
        out[mask, 0] = r; out[mask, 1] = g; out[mask, 2] = b
    return (out * 255).astype(np.uint8)
```

---

## 📊 Métriques

- **SERNet (TorchScript)** : **mIoU ≈ 73%**, **wmIoU ≈ 85%** sur Cityscapes (val).  
- *wmIoU* = mIoU pondérée (pondérations par classe).

---

## ⚠️ Limites & conseils

- Conçu pour **scènes urbaines** (Cityscapes) : généralisation limitée hors domaine.  
- CPU : privilégier des entrées ≤ `960×480` pour une latence raisonnable.  
- Pour reproductibilité stricte, pinner la **révision** HF (tag/commit).

---

## 📚 Références

- Cordts et al., **Cityscapes** — CVPR 2016  
- Chen et al., **DeepLab** — *Rethinking Atrous Convolution for Semantic Image Segmentation*