M

Mask2former Swin Base IN21k Cityscapes Semantic

facebookによって開発
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase