Mask2former Swin Large Mapillary Vistas Semantic

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它可以以相同的範式處理實例、語義和全景分割任務，通過預測一組掩碼和相應的標籤來完成。該模型在性能和效率上都有出色表現。

🚀 快速開始

本模型可用於全景分割任務。你可以在模型中心查找其他針對你感興趣任務的微調版本。

以下是使用該模型的示例代碼：

基礎用法

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


# load Mask2Former fine-tuned on Mapillary Vistas semantic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-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)

更多代碼示例請參考文檔。

✨ 主要特性

• 統一範式：Mask2Former以相同的範式處理實例、語義和全景分割任務，將這3種任務都視為實例分割。
• 性能優越：相比之前的SOTA模型MaskFormer，在性能和效率上都更勝一籌。具體通過以下方式實現：
  • 用更先進的多尺度可變形注意力Transformer替換像素解碼器。
  • 採用帶有掩碼注意力的Transformer解碼器，在不引入額外計算的情況下提升性能。
  • 通過在子採樣點上計算損失而不是在整個掩碼上計算，提高訓練效率。

📚 詳細文檔

模型描述

Mask2Former在論文Masked-attention Mask Transformer for Universal Image Segmentation中被提出，並首次在此倉庫發佈。它基於在Mapillary Vistas語義分割數據集上進行訓練（大尺寸版本，Swin骨幹網絡）。

免責聲明

發佈Mask2Former的團隊並未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。

預期用途和限制

你可以使用此特定的檢查點進行全景分割。若要查找針對其他感興趣任務的微調版本，請查看模型中心。

📄 許可證

其他

📦 數據集和示例

數據集

該模型使用了COCO數據集進行訓練。

示例

以下是一些示例圖片：

• Cats
• Castle

📋 信息表格