许可证: 其他 标签:

• 视觉
• 图像分割 数据集:
• coco 小部件:
• 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Cityscapes实例分割任务训练的Mask2Former模型（小型版本，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模型卡，故本模型卡由Hugging Face团队撰写。

模型描述

Mask2Former采用统一范式处理实例分割、语义分割和全景分割任务：通过预测一组掩码及其对应标签。因此，所有三项任务均被视为实例分割处理。相比前SOTA模型MaskFormer，Mask2Former在性能和效率上均有提升：(i) 采用更先进的多尺度可变形注意力Transformer替代像素解码器；(ii) 引入带掩码注意力的Transformer解码器以提升性能且不增加计算量；(iii) 通过采样点计算损失而非整张掩码，提升训练效率。

预期用途与限制

该特定检查点可用于实例分割任务。访问模型中心可查找其他感兴趣任务的微调版本。

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Cityscapes实例分割微调的Mask2Former
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-cityscapes-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

# 可传入processor进行后处理
result = processor.post_process_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 可视化请参考Mask2Former文档中的"资源"部分（演示笔记本）
predicted_instance_map = result["segmentation"]

更多代码示例详见文档。