Mask2former Swin Large Cityscapes Semantic

🚀 Mask2Former

Mask2Formerは、Cityscapesのセマンティックセグメンテーションに対して学習されたモデルです（大規模版、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のように扱います。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。その理由は以下の通りです。

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に置き換えました。
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、追加の計算を導入することなく性能を向上させました。
3. 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損失を計算することで、トレーニング効率を向上させました。

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。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。

📦 インストール

このREADMEにはインストール手順に関する具体的な情報がありません。

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

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

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。

📄 ライセンス

ライセンスは他のものです。