Mask2former Swin Large Mapillary Vistas Panoptic

🚀 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，通过预测一组掩码和相应的标签来完成各类分割任务，在性能和效率上表现出色。

🚀 快速开始

Mask2Former模型在Mapillary Vistas全景分割任务上进行了训练（大尺寸版本，采用Swin骨干网络）。它首次出现在论文Masked-attention Mask Transformer for Universal Image Segmentation中，并在此仓库首次发布。

需要说明的是，发布Mask2Former的团队并未为此模型撰写模型卡片，此模型卡片由Hugging Face团队编写。

✨ 主要特性

模型描述

Mask2Former以相同的范式处理实例、语义和全景分割：通过预测一组掩码和相应的标签。因此，所有这3项任务都被视为实例分割。Mask2Former在性能和效率方面均优于之前的最优模型MaskFormer，具体通过以下方式实现：

1. 用更先进的多尺度可变形注意力Transformer取代像素解码器；
2. 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；
3. 通过在子采样点而不是整个掩码上计算损失来提高训练效率。

预期用途和限制

你可以使用此特定检查点进行全景分割。请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。

💻 使用示例

基础用法

以下是如何使用此模型的示例代码：

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


# load Mask2Former fine-tuned on Mapillary Vistas panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-panoptic")

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

更多代码示例请参考文档。

📄 许可证

本模型使用其他许可证。