许可证: 其他
标签:

• 视觉
• 图像分割
  数据集:
• COCO
  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

基于ADE20k语义分割任务训练的Mask2Former模型（微型版本，Swin骨干网络）。该模型由论文Masked-attention Mask Transformer for Universal Image Segmentation提出，并首次发布于此代码库。

免责声明：发布Mask2Former的团队未为此模型编写说明卡，本说明卡由Hugging Face团队撰写。

模型描述

Mask2Former采用统一范式解决实例分割、语义分割和全景分割任务：通过预测一组掩码及其对应标签。因此，所有三项任务均被视作实例分割处理。相比前代SOTA模型MaskFormer，Mask2Former在性能和效率上均有提升：(1) 用更先进的多尺度可变形注意力Transformer替换像素解码器；(2) 采用带掩码注意力的Transformer解码器以在不增加计算量的前提下提升性能；(3) 通过基于采样点而非完整掩码计算损失来提升训练效率。

使用场景与限制

该特定检查点可用于全景分割任务。访问模型中心可查找其他任务的微调版本。

使用方法

使用方式如下：

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

# 加载ADE20k语义分割微调的Mask2Former  
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-tiny-ade-semantic")  
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-tiny-ade-semantic")  

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)  

# 模型预测形状为(batch_size, num_queries)的class_queries_logits  
# 和形状为(batch_size, num_queries, height, width)的masks_queries_logits  
class_queries_logits = outputs.class_queries_logits  
masks_queries_logits = outputs.masks_queries_logits  

# 可传递给processor进行后处理  
predicted_semantic_map = processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]  
# 可视化请参考演示笔记本（参见Mask2Former文档的"资源"部分）  

更多代码示例详见文档。