🚀 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
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)
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
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
屬性 |
詳情 |
模型類型 |
用於圖像分割的Mask2Former模型 |
訓練數據 |
Cityscapes、COCO |
示例圖片 |
Cats、Castle |