Mask2former Swin Tiny Cityscapes Instance

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它使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。

🚀 快速開始

Mask2Former模型基於Cityscapes實例分割數據集進行訓練（微小版本，採用Swin主幹網絡）。該模型在論文 Masked-attention Mask Transformer for Universal Image Segmentation 中被提出，並首次在 此倉庫 中發佈。

需要說明的是，發佈Mask2Former的團隊並未為此模型編寫模型卡片，本模型卡片由Hugging Face團隊編寫。

✨ 主要特性

模型描述

Mask2Former採用相同的範式處理實例、語義和全景分割任務，即通過預測一組掩碼和相應的標籤來完成。因此，這3種任務都被視為實例分割任務。與之前的最優模型 MaskFormer 相比，Mask2Former在性能和效率上都更勝一籌，具體體現在以下幾個方面：

• 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，在不增加額外計算量的情況下提升性能；
• 通過在子採樣點而非整個掩碼上計算損失，提高訓練效率。

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。你可以訪問 模型中心 查找針對你感興趣的任務進行微調的其他版本。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 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 Cityscapes instance segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-tiny-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-tiny-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)

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

更多代碼示例請參考 文檔。

📚 詳細文檔

📄 許可證

本模型使用其他許可證。