Mask2former Swin Large Coco Instance

🚀 Mask2Former

Mask2Formerは、COCOインスタンスセグメンテーションで学習されたモデル（大規模版、Swinバックボーン）です。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。

🚀 クイックスタート

このモデルは、インスタンスセグメンテーションに使用できます。他のタスクで微調整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。

✨ 主な機能

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つのタスクをすべてインスタンスセグメンテーションとして扱います。

このモデルは、(i) 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、(ii) 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パフォーマンスを向上させ、(iii) 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ことで、以前のSOTAである MaskFormer をパフォーマンスと効率の両面で上回っています。

📚 ドキュメント

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。関心のあるタスクで微調整された他のバージョンを探すには、モデルハブ を参照してください。

使い方

以下は、このモデルの使用方法です。

💻 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 COCO instance segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-coco-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"]

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

ライセンスは、otherです。