M

Mask2former Swin Base IN21k Cityscapes Semantic

由facebook開發
基於Swin Transformer的通用圖像分割模型,統一處理實例/語義/全景分割任務
下載量 329
發布時間 : 1/16/2023

模型概述

Mask2Former是一種先進的圖像分割模型,採用Transformer架構,通過預測一組掩碼及對應標籤實現統一的實例分割、語義分割和全景分割功能。

模型特點

統一分割架構
使用相同模型架構處理三種分割任務(實例/語義/全景)
掩碼注意力機制
創新的掩碼注意力Transformer解碼器提升性能而不增加計算量
高效訓練策略
通過採樣點計算損失替代完整掩碼計算,顯著提升訓練效率
多尺度特徵處理
採用可變形注意力機制有效捕捉多尺度特徵

模型能力

語義分割
實例分割
全景分割
多尺度圖像分析
物體識別與定位

使用案例

自動駕駛
街景語義分割
識別道路、車輛、行人等關鍵元素
在Cityscapes數據集上達到SOTA性能
醫學影像
器官分割
精確分割CT/MRI影像中的器官組織
遙感圖像
地表覆蓋分類
識別衛星圖像中的不同地表類型
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase