🚀 Mask2Former
Mask2Former是一个用于图像分割的模型,它能以相同的范式处理实例、语义和全景分割任务。该模型在ADE20k全景分割数据集上进行训练,采用Swin骨干网络的大尺寸版本。
🚀 快速开始
你可以使用这个特定的检查点进行全景分割。若想查找针对你感兴趣任务的其他微调版本,可查看模型中心。
如何使用
以下是使用此模型的示例代码:
import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-ade-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-ade-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)
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
predicted_panoptic_map = result["segmentation"]
更多代码示例请参考文档。
✨ 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个任务都视为实例分割。
- 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,在不引入额外计算的情况下提升性能。
- 通过在子采样点而非整个掩码上计算损失来提高训练效率。

📚 详细文档
模型描述
Mask2Former通过预测一组掩码和相应的标签来处理实例、语义和全景分割。它在性能和效率上超越了之前的SOTA模型MaskFormer,主要改进点包括:
- 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,在不引入额外计算的情况下提升性能。
- 通过在子采样点而非整个掩码上计算损失来提高训练效率。
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。若想查找针对你感兴趣任务的其他微调版本,可查看模型中心。
💻 使用示例
基础用法
import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-ade-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-ade-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)
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
predicted_panoptic_map = result["segmentation"]
📄 许可证
许可证类型:其他。