Mask2Former

Mask2Former模型基于COCO全景分割（小尺寸版本，Swin骨干网络）进行训练。该模型在论文中介绍，并在 this repository 中首次发布。

声明：发布Mask2Former模型的团队没有为该模型编写模型卡片，因此该模型卡片是由Hugging Face团队编写的。

模型描述

Mask2Former使用相同的方法处理实例、语义和全景分割：通过预测一组掩码和相应的标签。因此，将这3个任务都视为实例分割。Mask2Former通过以下方式优于以前的SOTA模型 MaskFormer ，既提高了性能和效率：（i）用更先进的多尺度可变形注意力Transformer替换像素解码器，（ii）采用具有掩蔽注意力的Transformer解码器以提高性能，而不引入额外的计算，（iii）通过在子采样点上计算损失而不是整个掩码来提高训练效率。

预期用途和限制

您可以将此特定检查点用于全景分割。查看 model hub 以查找您感兴趣任务上的其他微调版本。

如何使用

以下是如何使用此模型的方法：

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-small-coco-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-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"]

有关更多的代码示例，请参阅 documentation 。