许可协议: 其他 标签:

• 视觉
• 图像分割 数据集:
• 可可数据集 微件示例:
• 图片链接: http://images.cocodataset.org/val2017/000000039769.jpg 示例标题: 猫咪
• 图片链接: http://images.cocodataset.org/val2017/000000039770.jpg 示例标题: 城堡

Mask2Former图像分割模型

基于Swin大骨架架构、在Cityscapes实例分割数据集上训练的Mask2Former模型。该模型源自论文《面向通用图像分割的掩码注意力掩码转换器》论文链接，并首发于GitHub代码库。

免责声明：Mask2Former研发团队未提供本模型卡片，当前内容由Hugging Face团队撰写。

模型特性

Mask2Former采用统一框架处理实例分割、语义分割和全景分割——通过预测一组掩码及对应标签，将三大任务统一视为实例分割问题。相比前代SOTA模型MaskFormer，本模型通过三大创新实现性能与效率双提升：(1) 采用多尺度可变形注意力Transformer升级像素解码器；(2) 引入带掩码注意力的Transformer解码器，在不增加计算量的情况下提升性能；(3) 通过子采样点计算损失值，显著提升训练效率。

应用场景与限制

本特定检查点适用于实例分割任务。访问模型中心可探索其他任务的微调版本。

使用方法

调用方式如下：

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

# 加载Cityscapes实例分割微调版
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-cityscapes-instance")

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

# 推理预测
with torch.no_grad():
    outputs = model(**inputs)

# 模型输出包含形状为(batch_size, num_queries)的类别logits
# 以及形状为(batch_size, num_queries, height, width)的掩码logits
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# 后处理获得实例分割结果
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 可视化效果请参考Mask2Former文档"资源"章节的演示笔记
predicted_instance_map = result["segmentation"]

更多代码示例详见官方文档。