Maskformer Swin Large Coco

🚀 MaskFormer

MaskFormer是一个在COCO全景分割任务上训练的模型（大型版本，采用Swin骨干网络），可用于图像分割任务，为图像分割提供了统一的解决方案。

🚀 快速开始

MaskFormer模型在COCO全景分割任务上进行了训练（大型版本，采用Swin骨干网络）。它在论文 Per-Pixel Classification is Not All You Need for Semantic Segmentation 中被提出，并首次在 此仓库 中发布。

声明：发布MaskFormer的团队并未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。

✨ 主要特性

MaskFormer使用相同的范式处理实例分割、语义分割和全景分割任务：通过预测一组掩码和相应的标签。因此，所有这3个任务都被视为实例分割任务。

📚 详细文档

预期用途和限制

你可以使用此特定检查点进行语义分割。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。

如何使用

以下是如何使用此模型的示例：

from transformers import MaskFormerImageProcessor, MaskFormerForInstanceSegmentation
from PIL import Image
import requests

# 加载在COCO全景分割任务上微调的MaskFormer模型
processor = MaskFormerImageProcessor.from_pretrained("facebook/maskformer-swin-large-coco")
model = MaskFormerForInstanceSegmentation.from_pretrained("facebook/maskformer-swin-large-coco")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

outputs = model(**inputs)
# 模型预测的class_queries_logits形状为 `(batch_size, num_queries)`
# 以及masks_queries_logits形状为 `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# 你可以将它们传递给处理器进行后处理
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 我们参考演示笔记本进行可视化（请参阅MaskFormer文档中的“资源”部分）
predicted_panoptic_map = result["segmentation"]

更多代码示例，请参考 文档。

📄 许可证

许可证类型：其他