Mask2former Swin Small 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です（小型版、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、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。Mask2Formerは、以前のSOTAである MaskFormer を、以下の点で性能と効率の両面で上回っています。

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. 損失をマスク全体ではなくサブサンプリングされた点で計算することで、学習効率を向上させる。

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。

📦 インストール

このセクションでは、インストールに関する具体的な手順が原ドキュメントに記載されていないため、省略します。

💻 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-small-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-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。