Mask2former Swin Large Cityscapes Instance

🚀 Mask2Former

Mask2Formerは、Cityscapesのインスタンスセグメンテーションに対して学習されたモデルです（大規模版、Swinバックボーン）。このモデルは論文 Masked-attention Mask Transformer for Universal Image Segmentation で紹介され、このリポジトリ で最初に公開されました。

なお、Mask2Formerを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。

✨ 主な機能

モデルの説明

Mask2Formerは、同じパラダイムでインスタンス、セマンティック、パノプティックセグメンテーションを扱います。具体的には、マスクのセットと対応するラベルを予測することで、3つのタスクすべてをインスタンスセグメンテーションとして扱います。Mask2Formerは、以前のSOTAである MaskFormer を、以下の点で性能と効率の両面で上回っています。

1. ピクセルデコーダをより高度なマルチスケール変形可能アテンションTransformerに置き換える。
2. マスクされたアテンションを持つTransformerデコーダを採用して、追加の計算を導入することなく性能を向上させる。
3. マスク全体ではなくサブサンプリングされたポイントで損失を計算することで、トレーニング効率を向上させる。

想定される使用目的と制限

この特定のチェックポイントはインスタンスセグメンテーションに使用できます。関心のあるタスクに関する他のファインチューニングされたバージョンを探すには、モデルハブ を参照してください。

💻 使用例

基本的な使用法

import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation


# load Mask2Former fine-tuned on Cityscapes instance segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-cityscapes-instance")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)

# model predicts class_queries_logits of shape `(batch_size, num_queries)`
# and masks_queries_logits of shape `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# you can pass them to processor for postprocessing
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)
predicted_instance_map = result["segmentation"]

高度な使用法

より多くのコード例については、ドキュメント を参照してください。

📄 ライセンス

このモデルのライセンスはotherです。