Mask2former Swin Large Coco Instance

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它基於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實現。該模型在COCO實例分割任務上進行了訓練，具有高效和高性能的特點。

🚀 快速開始

Mask2Former模型在COCO實例分割任務上進行了訓練（大尺寸版本，採用Swin骨幹網絡）。它首次在論文 Masked-attention Mask Transformer for Universal Image Segmentation 中被提出，並在 這個倉庫 中首次發佈。

需要說明的是，發佈Mask2Former的團隊並未為該模型撰寫模型卡片，此模型卡片由Hugging Face團隊編寫。

✨ 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種任務都視為實例分割任務，通過預測一組掩碼和相應的標籤來完成。
• 性能優越：相較於之前的SOTA模型 MaskFormer，Mask2Former在性能和效率上都有顯著提升。具體體現在：
  • 用更先進的多尺度可變形注意力Transformer替換了像素解碼器。
  • 採用帶掩碼注意力的Transformer解碼器，在不增加額外計算量的情況下提升了性能。
  • 通過在子採樣點上計算損失而非在整個掩碼上計算，提高了訓練效率。

📚 詳細文檔

預期用途與限制

你可以使用這個特定的檢查點進行實例分割任務。若想查找針對其他感興趣任務的微調版本模型，可查看 模型中心。

使用方法

以下是使用該模型的示例代碼：

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

# 加載在COCO實例分割任務上微調的Mask2Former模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-coco-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)

# 模型預測的class_queries_logits形狀為 `(batch_size, num_queries)`
# masks_queries_logits形狀為 `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# 可以將它們傳遞給處理器進行後處理
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 關於可視化部分，可參考Mask2Former文檔中的“資源”部分的演示筆記本
predicted_instance_map = result["segmentation"]

更多代碼示例可參考 文檔。

📄 許可證

許可證類型：other