Mask2former Swin Base IN21k 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，通過預測一組掩碼和相應的標籤來完成任務。該模型在性能和效率上超越了先前的先進模型。

🚀 快速開始

模型描述

Mask2Former 以相同的範式處理實例、語義和全景分割：通過預測一組掩碼和相應的標籤。因此，所有這 3 個任務都被視為實例分割。Mask2Former 在性能和效率方面都優於之前的 SOTA 模型 MaskFormer，具體通過以下方式實現：

• 用更先進的多尺度可變形注意力 Transformer 取代像素解碼器；
• 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；
• 通過在子採樣點而不是整個掩碼上計算損失來提高訓練效率。

預期用途和限制

你可以使用這個特定的檢查點進行全景分割。查看 模型中心 以查找在你感興趣的任務上進行微調的其他版本。

如何使用

以下是如何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 ADE20k 語義分割上微調的 Mask2Former
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-IN21k-ade-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-IN21k-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)

# 模型預測形狀為 `(batch_size, num_queries)` 的 class_queries_logits
# 和形狀為 `(batch_size, num_queries, height, width)` 的 masks_queries_logits
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

許可證類型：other

🔍 模型信息

⚠️ 重要提示

發佈 Mask2Former 的團隊沒有為此模型編寫模型卡片，此模型卡片由 Hugging Face 團隊編寫。

💡 使用建議

若要進行不同的圖像分割任務，可在 模型中心 查找其他微調版本。