Mask2former Swin Small Coco Instance

🚀 Mask2Former

Mask2Former是一个用于图像分割的模型，它采用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实现。该模型在COCO实例分割任务上进行了训练，具有高效和高性能的特点。

🚀 快速开始

Mask2Former模型在COCO实例分割任务上进行了训练（小尺寸版本，Swin骨干网络）。它首次在论文 Masked-attention Mask Transformer for Universal Image Segmentation 中被提出，并在 此代码库 中首次发布。

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

• 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，将这3种任务都视为实例分割任务，通过预测一组掩码和相应的标签来完成。
• 性能优越：相较于之前的SOTA模型 MaskFormer，Mask2Former在性能和效率上都更胜一筹。具体体现在：
  • 用更先进的多尺度可变形注意力Transformer替换了像素解码器。
  • 采用带有掩码注意力的Transformer解码器，在不增加额外计算量的情况下提升性能。
  • 通过在子采样点上计算损失而不是在整个掩码上计算，提高了训练效率。

📚 详细文档

预期用途和局限性

你可以使用此特定的检查点进行实例分割。若想查找针对你感兴趣的任务进行微调的其他版本模型，可查看 模型中心。

使用方法

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

# 加载在COCO实例分割上微调的Mask2Former模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-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)

# 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_instance_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Mask2Former文档中的“资源”部分）
predicted_instance_map = result["segmentation"]

更多代码示例，请参考 文档。

📄 许可证

许可证信息：other