许可协议: 其他
标签:

• 视觉
• 图像分割

数据集:

• COCO

示例展示:

• 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COCO实例分割任务训练的Mask2Former模型（大型版本，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：Mask2Former的研发团队未为此模型编写说明卡片，本卡片由Hugging Face团队撰写。

模型描述

Mask2Former采用统一框架处理实例分割、语义分割和全景分割任务：通过预测一组掩码及对应标签实现。因此，所有三类任务均被视为实例分割处理。相比前代SOTA模型MaskFormer，Mask2Former在性能和效率上均有提升：(1) 采用多尺度可变形注意力Transformer替代原像素解码器；(2) 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；(3) 通过采样点计算损失而非整张掩码，显著提升训练效率。

使用场景与限制

该特定检查点可用于实例分割任务。访问模型中心可查看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COCO实例分割微调模型
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-coco-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)

# 模型输出形状说明：
# class_queries_logits: (批次大小, 查询数)
# masks_queries_logits: (批次大小, 查询数, 高度, 宽度)
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_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# 可视化请参考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。