Mask2former Swin Base IN21k Cityscapes Instance

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它採用相同的範式處理實例、語義和全景分割任務，在性能和效率上表現出色。該模型在Cityscapes實例分割任務上進行了訓練，為圖像分割領域提供了強大的解決方案。

🚀 快速開始

Mask2Former模型在Cityscapes實例分割任務上進行了訓練（基礎-IN21k版本，Swin骨幹網絡）。它在論文Masked-attention Mask Transformer for Universal Image Segmentation中被提出，並首次在此倉庫發佈。

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。

✨ 主要特性

統一範式處理多種分割任務

Mask2Former通過預測一組掩碼和相應的標籤，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任務。

性能和效率提升

• 先進的注意力機制：用更高級的多尺度可變形注意力Transformer取代像素解碼器。
• 掩碼注意力Transformer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。
• 高效的訓練方式：通過在子採樣點而不是整個掩碼上計算損失，提高訓練效率。該模型在性能和效率上均優於之前的SOTA模型MaskFormer。

模型架構可視化

📚 詳細文檔

預期用途和侷限性

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

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


# load Mask2Former fine-tuned on Cityscapes instance segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-IN21k-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-IN21k-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"]

更多代碼示例可參考文檔。

📄 許可證

許可證類型：other

📦 相關信息