Mask2former Swin Tiny Cityscapes Panoptic

🚀 Mask2Former

Mask2Formerは、Cityscapesのパノプティック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、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 を性能と効率の両面で上回っています。これは以下の3つの点により実現されています。

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点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。

想定される用途と制限

この特定のチェックポイントはパノプティック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

このモデルを使用するには、以下のライブラリが必要です。

requests
torch
Pillow
transformers

pip を使用してインストールできます。

pip install requests torch Pillow transformers

💻 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 panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-tiny-cityscapes-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-tiny-cityscapes-panoptic")

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_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)
predicted_panoptic_map = result["segmentation"]

もっと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

ライセンスは other です。