Mask2former Swin Tiny Cityscapes Instance

🚀 Mask2Former

Mask2Formerは、Cityscapesのインスタンスセグメンテーションで学習されたモデルです（tinyサイズ版、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、一連のマスクと対応するラベルを予測することで、すべての3つのタスク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。

• 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。
• 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、追加の計算を導入せずに性能を向上させる。
• 損失を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。

想定される用途と制限

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。他のタスクに関心がある場合は、モデルハブ で他のファインチューニングされたバージョンを探すことができます。

📦 インストール

このモデルの使用に必要な依存関係は、コード例内で自動的に読み込まれます。ただし、transformers、torch、requests、Pillow などのライブラリが事前にインストールされている必要があります。以下のコマンドでインストールできます。

pip install transformers torch requests pillow

💻 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-tiny-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-tiny-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

高度な使用法や追加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

このモデルは、other ライセンスの下で提供されています。