Mask2former Swin Base IN21k Cityscapes Semantic
Swin Transformerベースの汎用画像セグメンテーションモデルで、インスタンス/セマンティック/パノプティックセグメンテーションタスクを統一的に処理
ダウンロード数 329
リリース時間 : 1/16/2023
モデル概要
Mask2Formerは先進的な画像セグメンテーションモデルで、Transformerアーキテクチャを採用し、一連のマスクと対応するラベルを予測することで、インスタンスセグメンテーション、セマンティックセグメンテーション、パノプティックセグメンテーション機能を統一的に実現します。
モデル特徴
統一セグメンテーションアーキテクチャ
同じモデルアーキテクチャで3種類のセグメンテーションタスク(インスタンス/セマンティック/パノプティック)を処理
マスクアテンションメカニズム
革新的なマスクアテンションTransformerデコーダーで計算量を増やさずに性能向上
効率的なトレーニング戦略
完全なマスク計算の代わりにサンプリングポイントで損失を計算し、トレーニング効率を大幅に向上
マルチスケール特徴処理
変形可能なアテンションメカニズムを採用し、マルチスケール特徴を効果的に捕捉
モデル能力
セマンティックセグメンテーション
インスタンスセグメンテーション
パノプティックセグメンテーション
マルチスケール画像分析
物体認識と位置特定
使用事例
自動運転
街路景観セマンティックセグメンテーション
道路、車両、歩行者などの重要な要素を識別
CityscapesデータセットでSOTA性能を達成
医療画像
臓器セグメンテーション
CT/MRI画像内の臓器組織を精密に分割
リモートセンシング画像
地表被覆分類
衛星画像内の異なる地表タイプを識別
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98