Mask2former Swin Large Ade Semantic

🚀 Mask2Former

Mask2Former是一個用於圖像分割的模型，它採用統一的範式處理實例、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高效準確的分割效果。

🚀 快速開始

你可以使用這個特定的檢查點進行全景分割。若想查找針對你感興趣任務的其他微調版本，請查看模型中心。

✨ 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，將這3個任務都視為實例分割任務。
• 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：
  • 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。
  • 通過在子採樣點上計算損失而非整個掩碼，提高訓練效率。

💻 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 ADE20k semantic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-ade-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-ade-semantic")

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
predicted_semantic_map = processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)

更多代碼示例，請參考文檔。

📚 詳細文檔

Mask2Former模型在ADE20k語義分割任務上進行了訓練（大尺寸版本，Swin骨幹網絡）。它在論文Masked-attention Mask Transformer for Universal Image Segmentation中被提出，並首次在此倉庫中發佈。

需要說明的是，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。

📄 許可證

許可證類型：其他

模型信息

示例展示

• Cats
• Castle