Maskformer Swin Small Ade

🚀 MaskFormer

MaskFormerは、ADE20kセマンティックセグメンテーションデータセットで訓練されたモデルです（小サイズ版、Swinバックボーンネットワークを使用）。このモデルは論文Per-Pixel Classification is Not All You Need for Semantic Segmentationで提案され、最初にこのリポジトリで公開されました。このモデルは、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、パノラマセグメンテーションの3つのタスクを、一連のマスクと対応するラベルを予測することで、すべてインスタンスセグメンテーションタスクとして扱う統一的なパラダイムを使用しています。

🚀 クイックスタート

この特定のチェックポイントを使用してセマンティックセグメンテーションを行うことができます。関心のあるタスクに対して微調整された他のバージョンを探すには、モデルセンターを参照してください。

✨ 主な機能

• 統一的なパラダイム：MaskFormerは、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、パノラマセグメンテーションの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タスクとして扱う統一的なパラダイムを使用しています。
• モデルアーキテクチャ：モデルアーキテクチャは以下の画像の通りです：

💻 使用例

基本的な使用法

from transformers import MaskFormerFeatureExtractor, MaskFormerForInstanceSegmentation
from PIL import Image
import requests

url = "https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000001.jpg"
image = Image.open(requests.get(url, stream=True).raw)
feature_extractor = MaskFormerFeatureExtractor.from_pretrained("facebook/maskformer-swin-small-ade")
inputs = feature_extractor(images=image, return_tensors="pt")

model = MaskFormerForInstanceSegmentation.from_pretrained("facebook/maskformer-swin-small-ade")
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 feature_extractor for postprocessing
# we refer to the demo notebooks for visualization (see "Resources" section in the MaskFormer docs)
predicted_semantic_map = feature_extractor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]

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。

📚 ドキュメント

• モデルの使用方法：上記のコード例を参照してください。
• より多くのコード例：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、その他（other）です。

ラベルとデータセット

サンプル

免責事項

MaskFormer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ません。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。