Mask2former Swin Small Ade Semantic

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它採用統一的範式處理實例、語義和全景分割任務，在性能和效率上表現出色。該模型在ADE20k語義分割數據集上進行訓練，具有廣泛的應用前景。

🚀 快速開始

你可以使用這個特定的檢查點進行全景分割。若想查找針對其他感興趣任務的微調版本，請查看模型中心。

✨ 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，將這3種任務都視為實例分割。
• 性能優越：相較於之前的SOTA模型MaskFormer，Mask2Former在性能和效率上都更勝一籌。
• 技術創新：採用多尺度可變形注意力Transformer替換像素解碼器，使用帶掩碼注意力的Transformer解碼器提升性能，通過在子採樣點上計算損失提高訓練效率。

📚 詳細文檔

模型描述

Mask2Former通過預測一組掩碼和相應的標籤來處理實例、語義和全景分割任務。它將所有3種任務都當作實例分割來處理。與之前的SOTA模型MaskFormer相比，Mask2Former在性能和效率上都有提升，具體體現在以下幾點：

• 用更先進的多尺度可變形注意力Transformer替換像素解碼器。
• 採用帶掩碼注意力的Transformer解碼器，在不增加額外計算的情況下提升性能。
• 通過在子採樣點上計算損失而不是在整個掩碼上計算，提高訓練效率。

預期用途與侷限性

你可以使用這個特定的檢查點進行全景分割。若想查找針對其他感興趣任務的微調版本，請查看模型中心。

如何使用

以下是使用該模型的示例代碼：

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

# 加載在ADE20k語義分割上微調的Mask2Former模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-ade-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-ade-semantic")

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

# 你可以將它們傳遞給處理器進行後處理
predicted_semantic_map = processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 我們參考演示筆記本進行可視化（請參閱Mask2Former文檔中的“資源”部分）

更多代碼示例請參考文檔。

📄 許可證

許可證信息：其他

⚠️ 重要提示

發佈Mask2Former的團隊未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。