许可协议: 其他 标签:

• 视觉
• 图像分割 数据集:
• 微软COCO 微件展示:
• 示例图源: http://images.cocodataset.org/val2017/000000039769.jpg 示例标题: 猫咪
• 示例图源: http://images.cocodataset.org/val2017/000000039770.jpg 示例标题: 城堡

Mask2Former模型

基于Cityscapes全景分割数据集训练的Mask2Former模型（微型版本，Swin骨干网络）。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》并首发于此代码库。

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。

模型描述

Mask2Former通过预测一组掩码及对应标签，以统一范式解决实例分割、语义分割和全景分割三大任务。相比前代SOTA模型MaskFormer，本模型在性能和效率上均有突破：(1) 采用多尺度可变形注意力Transformer替代像素解码器；(2) 引入掩码注意力机制的Transformer解码器提升性能且不增加计算量；(3) 通过子采样点计算损失值显著提升训练效率。

适用范围与限制

本特定检查点适用于全景分割任务。访问模型中心可查询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全景分割微调模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-tiny-cityscapes-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-tiny-cityscapes-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)

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

# 可通过processor进行后处理
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 可视化方法详见Mask2Former文档"资源"章节的演示笔记本
predicted_panoptic_map = result["segmentation"]

更多代码示例请参阅官方文档。