Mask2former Deployment

🚀 用於語義分割的Mask2Former

本倉庫包含針對語義分割任務微調的Mask2Former模型。該模型可用於預測輸入圖像的分割掩碼，基於facebook/mask2former-swin-large-cityscapes-semantic預訓練模型。

🚀 快速開始

本倉庫中的Mask2Former模型是專門為語義分割任務微調優化的。它基於通用的掩碼預測框架，可用於語義分割、實例分割和全景分割等多種任務。此版本針對語義分割進行了特別調整，可應用於道路場景理解、自動駕駛等分割相關的應用。

✨ 主要特性

• 多任務支持：Mask2Former是一個通用的掩碼預測框架，支持語義分割、實例分割和全景分割。
• 微調優化：此版本針對語義分割任務進行了微調，適用於道路場景理解、自動駕駛等應用。

📦 安裝指南

首先，確保你已經安裝了所需的庫：

pip install transformers torch torchvision pillow matplotlib

💻 使用示例

基礎用法

以下是如何使用該模型的示例代碼：

from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
from PIL import Image
import torch
import matplotlib.pyplot as plt

# 加載處理器和模型
model_name = "saninmohammedn/mask2former-deployment"
processor = AutoImageProcessor.from_pretrained(model_name)
model = Mask2FormerForUniversalSegmentation.from_pretrained(model_name)

# 加載輸入圖像
image_path = "your_image.jpg"  # 替換為你的圖像路徑
image = Image.open(image_path).convert("RGB")

# 為模型準備圖像
inputs = processor(images=image, return_tensors="pt")

# 進行推理
with torch.no_grad():
    outputs = model(**inputs)

# 後處理預測的分割圖
predicted_map = processor.post_process_semantic_segmentation(
    outputs, target_sizes=[image.size[::-1]]
)[0].cpu().numpy()

# 可視化輸入和預測的分割圖
plt.figure(figsize=(10, 5))

# 顯示原始圖像
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.axis("off")

# 顯示預測的分割圖
plt.subplot(1, 2, 2)
plt.imshow(predicted_map, cmap="jet")
plt.title("Predicted Segmentation Map")
plt.axis("off")

plt.tight_layout()
plt.show()

📄 許可證

本項目使用其他許可證。