Mask2former Swin Tiny Coco Instance

🚀 Mask2Former

Mask2Former是一個在COCO實例分割任務上訓練的模型（微小尺寸版本，採用Swin骨幹網絡）。它能夠以統一的範式處理實例、語義和全景分割任務，為圖像分割領域帶來了新的解決方案。

🚀 快速開始

Mask2Former模型可用於圖像的實例、語義和全景分割任務。它通過預測一組掩碼和相應的標籤，以統一的方式處理這三種分割任務。該模型在性能和效率上均優於之前的SOTA模型MaskFormer。

✨ 主要特性

• 統一範式：使用相同的範式處理實例、語義和全景分割任務，將所有任務視為實例分割。
• 性能優越：通過採用更先進的多尺度可變形注意力Transformer替換像素解碼器、使用帶掩碼注意力的Transformer解碼器以及在子採樣點上計算損失等方法，在性能和效率上超越了之前的SOTA模型。

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

# 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"]

高級用法

如需更多代碼示例，請參考文檔。

📚 詳細文檔

模型描述

Mask2Former以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。因此，所有這3個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SOTA模型MaskFormer，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實例分割。請參閱模型中心，查找針對你感興趣的任務進行微調的其他版本。

📄 許可證

本模型使用其他許可證。

信息表格