🚀 Mask2Former

Mask2Former是一个用于图像分割的模型，它在COCO全景分割任务上进行了训练（基础版本，采用Swin骨干网络）。该模型能够以统一的范式处理实例分割、语义分割和全景分割任务，为图像分割领域提供了高效且强大的解决方案。

🚀 快速开始

Mask2Former模型可用于图像的实例、语义和全景分割任务。你可以使用以下代码示例快速上手：

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

# load Mask2Former fine-tuned on COCO panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-coco-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-coco-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)

# model predicts class_queries_logits of shape `(batch_size, num_queries)`
# and masks_queries_logits of shape `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# you can pass them to processor for postprocessing
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)
predicted_panoptic_map = result["segmentation"]

更多代码示例可参考文档。

✨ 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种任务都视为实例分割问题。
• 性能卓越：相比之前的SOTA模型MaskFormer，Mask2Former在性能和效率上都有显著提升。具体通过以下方式实现：
  • 先进的注意力机制：用更高级的多尺度可变形注意力Transformer替换像素解码器。
  • 掩码注意力解码器：采用带有掩码注意力的Transformer解码器，在不增加额外计算量的情况下提升性能。
  • 高效训练：通过在子采样点上计算损失而不是在整个掩码上计算，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、语义和全景分割任务。它将所有3种任务都当作实例分割任务来处理。相比之前的SOTA模型MaskFormer，Mask2Former在性能和效率上都更胜一筹，其改进方式包括：用更高级的多尺度可变形注意力Transformer替换像素解码器；采用带有掩码注意力的Transformer解码器来提升性能且不增加额外计算量；通过在子采样点上计算损失而非整个掩码来提高训练效率。

预期用途和限制

你可以使用此特定的检查点进行全景分割。若想查找针对其他感兴趣任务的微调版本，可查看模型中心。

使用方法

以下是使用该模型的示例代码：

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

# load Mask2Former fine-tuned on COCO panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-base-coco-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-base-coco-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)

# model predicts class_queries_logits of shape `(batch_size, num_queries)`
# and masks_queries_logits of shape `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# you can pass them to processor for postprocessing
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)
predicted_panoptic_map = result["segmentation"]

更多代码示例可参考文档。

📄 许可证

许可证类型：其他

⚠️ 重要提示

发布Mask2Former的团队并未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。

💡 使用建议

若要查找针对其他感兴趣任务的微调版本，可查看模型中心。