Mask2former Swin Large Cityscapes Instance

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它採用統一範式處理實例、語義和全景分割任務，在性能和效率上表現出色。該模型基於Cityscapes實例分割任務進行訓練，具有廣泛的應用前景。

🚀 快速開始

Mask2Former模型在Cityscapes實例分割任務上進行了訓練（大尺寸版本，採用Swin骨幹網絡）。它首次在論文Masked-attention Mask Transformer for Universal Image Segmentation中被提出，並在此倉庫首次發佈。

需要說明的是，發佈Mask2Former的團隊並未為此模型撰寫模型卡片，此卡片由Hugging Face團隊編寫。

✨ 主要特性

• 統一範式：Mask2Former使用相同的範式處理實例、語義和全景分割任務，即通過預測一組掩碼和相應的標籤，將所有這3個任務都視為實例分割任務。
• 性能卓越：相較於之前的SOTA模型MaskFormer，Mask2Former在性能和效率上都更勝一籌。具體改進包括：
  • 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，在不增加額外計算量的情況下提升性能。
  • 通過在子採樣點而非整個掩碼上計算損失，提高訓練效率。

📚 詳細文檔

預期用途與限制

你可以使用此特定檢查點進行實例分割。若想查找針對你感興趣任務的其他微調版本，請查看模型中心。

使用方法

以下是使用此模型的示例代碼：

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


# 加載在Cityscapes實例分割上微調的Mask2Former模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-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)

# 模型預測的class_queries_logits形狀為 `(batch_size, num_queries)`
# masks_queries_logits形狀為 `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# 可以將它們傳遞給處理器進行後處理
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 關於可視化，請參考演示筆記本（見Mask2Former文檔的“資源”部分）
predicted_instance_map = result["segmentation"]

更多代碼示例，請參考文檔。

📄 許可證

許可證類型：其他

📋 信息表格