Mask2former Swin Large Mapillary Vistas Panoptic

🚀 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，通過預測一組掩碼和相應的標籤來完成各類分割任務，在性能和效率上表現出色。

🚀 快速開始

Mask2Former模型在Mapillary Vistas全景分割任務上進行了訓練（大尺寸版本，採用Swin骨幹網絡）。它首次出現在論文Masked-attention Mask Transformer for Universal Image Segmentation中，並在此倉庫首次發佈。

需要說明的是，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項任務都被視為實例分割。Mask2Former在性能和效率方面均優於之前的最優模型MaskFormer，具體通過以下方式實現：

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來提高訓練效率。

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

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


# load Mask2Former fine-tuned on Mapillary Vistas panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-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)

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

更多代碼示例請參考文檔。

📄 許可證

本模型使用其他許可證。