Mask2former Swin Base Coco Panoptic

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它在COCO全景分割任務上進行了訓練（基礎版本，採用Swin骨幹網絡）。該模型能夠以統一的範式處理實例分割、語義分割和全景分割任務，為圖像分割領域提供了高效且強大的解決方案。

🚀 快速開始

Mask2Former模型可用於圖像的實例、語義和全景分割任務。你可以使用以下代碼示例快速上手：

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

# load Mask2Former fine-tuned on COCO panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-coco-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-coco-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"]

更多代碼示例可參考文檔。

✨ 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種任務都視為實例分割問題。
• 性能卓越：相比之前的SOTA模型MaskFormer，Mask2Former在性能和效率上都有顯著提升。具體通過以下方式實現：
  • 先進的注意力機制：用更高級的多尺度可變形注意力Transformer替換像素解碼器。
  • 掩碼注意力解碼器：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。
  • 高效訓練：通過在子採樣點上計算損失而不是在整個掩碼上計算，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、語義和全景分割任務。它將所有3種任務都當作實例分割任務來處理。相比之前的SOTA模型MaskFormer，Mask2Former在性能和效率上都更勝一籌，其改進方式包括：用更高級的多尺度可變形注意力Transformer替換像素解碼器；採用帶有掩碼注意力的Transformer解碼器來提升性能且不增加額外計算量；通過在子採樣點上計算損失而非整個掩碼來提高訓練效率。

預期用途和限制

你可以使用此特定的檢查點進行全景分割。若想查找針對其他感興趣任務的微調版本，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

# load Mask2Former fine-tuned on COCO panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-coco-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-coco-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"]

更多代碼示例可參考文檔。

📄 許可證

許可證類型：其他

⚠️ 重要提示

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

💡 使用建議

若要查找針對其他感興趣任務的微調版本，可查看模型中心。