Mask2former Swin Large Coco Panoptic

🚀 Mask2Former

Mask2Former是一个用于图像分割的模型，它采用统一的范式处理实例、语义和全景分割任务，在性能和效率上表现出色。

✨ 主要特性

• 统一范式：通过预测一组掩码和相应的标签，以相同的方式处理实例、语义和全景分割任务。
• 性能优越：在性能和效率方面超越了之前的SOTA模型MaskFormer。
• 技术创新：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解码器提升性能，通过在子采样点上计算损失提高训练效率。

📦 安装指南

暂未提供相关安装步骤。

💻 使用示例

基础用法

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

# load Mask2Former fine-tuned on COCO panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-coco-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-coco-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"]

高级用法

如需更多代码示例，请参考文档。

📚 详细文档

模型描述

Mask2Former采用统一的范式处理实例、语义和全景分割任务，通过预测一组掩码和相应的标签，将这3个任务都视为实例分割任务。它在性能和效率上超越了之前的SOTA模型MaskFormer，主要通过以下方式实现：

• 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解码器提升性能，且不引入额外的计算。
• 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。

预期用途和限制

你可以使用这个特定的检查点进行全景分割任务。你可以在模型中心查找针对你感兴趣的任务进行微调的其他版本。

免责声明

发布Mask2Former的团队没有为该模型编写模型卡片，此模型卡片由Hugging Face团队编写。

🔧 技术细节

Mask2Former在处理实例、语义和全景分割任务时，采用了统一的预测掩码和标签的范式。它通过以下技术改进超越了之前的SOTA模型：

• 多尺度可变形注意力Transformer：替换了传统的像素解码器，能够更好地捕捉不同尺度的特征。
• 带掩码注意力的Transformer解码器：在不增加额外计算的情况下，提升了模型的性能。
• 子采样点损失计算：通过在子采样点上计算损失，提高了训练效率。

📄 许可证

许可证类型：other

数据集

该模型在COCO数据集上进行训练。

示例

• 示例图片：Cats

论文引用

该模型在论文 Masked-attention Mask Transformer for Universal Image Segmentation 中被提出，并首次在 此仓库 中发布。