Mask2former Swin Small Ade Semantic

🚀 Mask2Former

Mask2Former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。

🚀 クイックスタート

このセクションでは、Mask2Formerモデルの概要と使用方法を説明します。

✨ 主な機能

セグメンテーションタスクの統合

Mask2Former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、パノプティックセグメンテーションの3つのタスク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。

性能と効率の向上

Mask2Formerは、以前の最先端技術である MaskFormer を性能と効率の両面で上回っています。そのために以下の3つの手法を用いています。

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、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ポイントで計算することで、学習効率を向上させる。

モデル構造の視覚化

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 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 ADE20k semantic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-ade-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-ade-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。

📚 ドキュメント

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。他のタスクに対する微調整バージョンを探すには、モデルハブ を参照してください。

モデル情報

📄 ライセンス

このモデルは、他のライセンスで提供されています。詳細については、関連するリポジトリを参照してください。