Mask2former Swin Base Coco Instance

🚀 Mask2Former

Mask2Former是一個在COCO實例分割任務上訓練的模型（基礎尺寸版本，採用Swin骨幹網絡）。它能有效解決圖像分割問題，為相關領域的研究和應用提供了強大的支持。

🚀 快速開始

Mask2Former模型在COCO實例分割任務上進行了訓練（基礎尺寸版本，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。

需注意，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

• Mask2Former使用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。
• 相較於之前的SOTA模型 MaskFormer，Mask2Former在性能和效率上均有提升：
  • 用更先進的多尺度可變形注意力Transformer取代了像素解碼器。
  • 採用帶有掩碼注意力的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。

📚 詳細文檔

預期用途和限制

你可以使用此特定檢查點進行實例分割。可查看 模型中心 以查找在你感興趣的任務上微調的其他版本。

如何使用

以下是使用此模型的示例代碼：

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

# 加載在COCO實例分割上微調的Mask2Former模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-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)`
# 以及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

# 你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]
# 我們參考演示筆記本進行可視化（請參閱Mask2Former文檔中的“資源”部分）
predicted_instance_map = result["segmentation"]

更多代碼示例，請參考 文檔。

📄 許可證

該模型使用其他許可證。