Maskformer Swin Large Ade

🚀 MaskFormer

MaskFormerは、ADE20kのセマンティック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 Per-Pixel Classification is Not All You Need for Semantic 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、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

このセクションでは、MaskFormerモデルの概要と使用方法について説明します。

✨ 主な機能

セグメンテーションの統一的アプローチ

MaskFormerは、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同じパラダイムで扱います。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。

可視化可能なアーキテクチャ

下の画像は、MaskFormerのアーキテクチャを示しています。

📚 ドキュメント

モデルの説明

MaskFormerは、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同じパラダイムで解決します。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。

想定される用途と制限

この特定のチェックポイントはセマン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。

使い方

以下は、このモデルの使用方法の例です。

from transformers import MaskFormerImageProcessor, 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)

processor = MaskFormerImageProcessor.from_pretrained("facebook/maskformer-swin-large-ade")
inputs = processor(images=image, return_tensors="pt")

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

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

ライセンス情報: other