Maskformer Swin Large Coco

🚀 MaskFormer

MaskFormerは、COCOパノプティックセグメンテーションで学習されたモデル（大規模版、Swinバックボーン）です。このモデルは論文 Per-Pixel Classification is Not All You Need for Semantic 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、MaskFormer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、MaskFormerモデルの概要、使用目的、制限事項、および使い方について説明します。

✨ 主な機能

MaskFormerは、同じパラダイムで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つのタスクをすべてインスタンスセグメンテーションとして扱います。

📚 ドキュメント

想定される使用目的と制限事項

この特定のチェックポイントはセマンティックセグメンテーションに使用できます。他のタスクに微調整されたバージョンを探すには、モデルハブ を参照してください。

使い方

以下は、このモデルを使用する方法の例です。

from transformers import MaskFormerImageProcessor, MaskFormerForInstanceSegmentation
from PIL import Image
import requests

# COCOパノプティックセグメンテーションで微調整されたMaskFormerをロード
processor = MaskFormerImageProcessor.from_pretrained("facebook/maskformer-swin-large-coco")
model = MaskFormerForInstanceSegmentation.from_pretrained("facebook/maskformer-swin-large-coco")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

outputs = model(**inputs)
# モデルは形状が `(batch_size, num_queries)` の class_queries_logits と
# 形状が `(batch_size, num_queries, height, width)` の masks_queries_logits を予測します
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# これらを後処理のためにプロセッサに渡すことができます
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 可視化についてはデモノートブックを参照してください（MaskFormerのドキュメントの「リソース」セクションを参照）
predicted_panoptic_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

このモデルは、他のライセンスの下で提供されています。