🚀 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全景分割數據集上進行訓練,採用Swin骨幹網絡的大尺寸版本。
🚀 快速開始
你可以使用這個特定的檢查點進行全景分割。若想查找針對你感興趣任務的其他微調版本,可查看模型中心。
如何使用
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-large-ade-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-ade-panoptic")
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_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
predicted_panoptic_map = result["segmentation"]
更多代碼示例請參考文檔。
✨ 主要特性
- 統一範式:Mask2Former使用相同的範式處理實例、語義和全景分割任務,將這3個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。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替換像素解碼器。
- 採用帶掩碼注意力的Transformer解碼器,在不引入額外計算的情況下提升性能。
- 通過在子採樣點而非整個掩碼上計算損失來提高訓練效率。

📚 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。它在性能和效率上超越了之前的SOTA模型MaskFormer,主要改進點包括:
- 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,在不引入額外計算的情況下提升性能。
- 通過在子採樣點而非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。若想查找針對你感興趣任務的其他微調版本,可查看模型中心。
💻 使用示例
基礎用法
import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-ade-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-ade-panoptic")
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_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
predicted_panoptic_map = result["segmentation"]
📄 許可證
許可證類型:其他。