🚀 Mask2Former
Mask2Former是一个用于图像分割的模型,它能以相同的范式处理实例、语义和全景分割任务。该模型在COCO实例分割任务上进行了训练,具有出色的性能和效率。
🚀 快速开始
Mask2Former模型基于特定范式处理实例、语义和全景分割任务,即将所有任务都当作实例分割来处理。它在性能和效率上超越了之前的SOTA模型MaskFormer。以下是使用该模型的示例代码:
import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-IN21k-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-IN21k-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)
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
predicted_instance_map = result["segmentation"]
更多代码示例请参考文档。
✨ 主要特性
- 统一范式:Mask2Former使用相同的范式处理实例、语义和全景分割任务,将所有任务都视为实例分割。
- 性能优越:通过采用更先进的多尺度可变形注意力Transformer替换像素解码器、使用带掩码注意力的Transformer解码器以及在子采样点上计算损失等方法,在性能和效率上超越了之前的SOTA模型MaskFormer。
📚 详细文档
模型描述
Mask2Former通过预测一组掩码和相应的标签来处理实例、语义和全景分割任务。它将所有3个任务都当作实例分割来处理,在性能和效率上超越了之前的SOTA模型MaskFormer,具体改进如下:
- 用更先进的多尺度可变形注意力Transformer替换像素解码器。
- 采用带掩码注意力的Transformer解码器,在不引入额外计算的情况下提升性能。
- 通过在子采样点上计算损失而不是在整个掩码上计算,提高训练效率。

预期用途与限制
你可以使用此特定检查点进行实例分割。可查看模型中心以查找针对你感兴趣的任务进行微调的其他版本。
使用说明
以下是使用该模型的示例代码:
import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-IN21k-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-IN21k-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)
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
predicted_instance_map = result["segmentation"]
📄 许可证
许可证类型:其他
信息表格
免责声明
发布Mask2Former的团队未为此模型编写模型卡片,此模型卡片由Hugging Face团队编写。