Mask2former Swin Small Cityscapes Instance

🚀 Mask2Former

Mask2Former是一个用于图像分割的模型，它采用相同的范式处理实例、语义和全景分割任务，通过预测一组掩码和相应的标签来实现。该模型在性能和效率上超越了之前的SOTA模型。

🚀 快速开始

你可以使用这个特定的检查点进行实例分割。查看模型中心，寻找其他针对你感兴趣任务的微调版本。

以下是如何使用该模型的示例：

基础用法

import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation


# load Mask2Former fine-tuned on Cityscapes instance segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-cityscapes-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"]

更多代码示例，请参考文档。

✨ 主要特性

• 统一范式：Mask2Former使用相同的范式处理实例、语义和全景分割任务，将所有3个任务都视为实例分割。
• 性能与效率提升：通过以下方式超越了之前的SOTA模型MaskFormer：
  • 用更先进的多尺度可变形注意力Transformer替换像素解码器。
  • 采用带掩码注意力的Transformer解码器，在不引入额外计算的情况下提升性能。
  • 通过在子采样点而不是整个掩码上计算损失来提高训练效率。

📚 详细文档

模型描述

Mask2Former通过预测一组掩码和相应的标签，以相同的范式处理实例、语义和全景分割任务。它在性能和效率上都优于之前的SOTA模型MaskFormer，具体改进如下：

• 用更先进的多尺度可变形注意力Transformer替换像素解码器。
• 采用带掩码注意力的Transformer解码器，在不引入额外计算的情况下提升性能。
• 通过在子采样点而不是整个掩码上计算损失来提高训练效率。

预期用途和限制

你可以使用这个特定的检查点进行实例分割。查看模型中心，寻找其他针对你感兴趣任务的微调版本。

📄 许可证

许可证类型：other