Mask2Former

Mask2Former模型在COCO实例分割上进行了训练（tiny-sized版本，使用Swin骨干）。该模型在论文 Masked-attention Mask Transformer for Universal Image Segmentation 中引入，并于 this repository 首次发布。

免责声明：发布Mask2Former模型的团队未为该模型编写模型卡片，因此该模型卡片由Hugging Face团队编写。

模型描述

Mask2Former使用相同的方法解决实例、语义和全景分割问题：预测一组掩码和相应的标签。因此，所有三个任务都被视为实例分割。Mask2Former通过（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解码器来提高性能而不引入额外的计算，以及（iii）通过对子采样点计算损失而不是整个掩码来提高训练效率，从而优于之前的SOTA模型 MaskFormer ，无论是性能还是效率。

预期用途与局限性

您可以使用此特定检查点进行实例分割。请参考 model hub 以查找您感兴趣的其他任务上的微调版本。

使用方法

以下是使用此模型的方法：

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


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

# 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_instance_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)
predicted_instance_map = result["segmentation"]

更多代码示例，请参考 documentation 。