Mask2former Swin Base Ade Semantic

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它能以相同的範式處理實例、語義和全景分割任務。該模型在ADE20k語義分割數據集上進行訓練，採用Swin骨幹網絡的基礎版本。

🚀 快速開始

Mask2Former模型在ADE20k語義分割任務上進行了訓練（基礎版本，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 中首次發佈。

聲明：發佈Mask2Former的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊編寫。

✨ 主要特性

模型描述

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。因此，這3個任務都被視為實例分割任務。Mask2Former在性能和效率方面均優於之前的SOTA模型 MaskFormer，具體體現在：

1. 用更先進的多尺度可變形注意力Transformer取代像素解碼器；
2. 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；
3. 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。

預期用途和限制

你可以使用此特定檢查點進行全景分割。請查看 模型中心 以查找針對你感興趣的任務進行微調的其他版本。

💻 使用示例

基礎用法

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


# load Mask2Former fine-tuned on ADE20k semantic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-ade-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-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)

# 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
predicted_semantic_map = processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)

更多代碼示例，請參考 文檔。

📄 許可證

許可證類型：other

📋 其他信息