Mask2Former

Mask2Former模型是在COCO实例分割（小尺寸版本，Swin骨干网络）上训练的。该模型在论文 Masked-attention Mask Transformer for Universal Image Segmentation 中被介绍，并于 this repository 首次发布。

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

模型描述

Mask2Former模型统一处理实例分割、语义分割和全景分割任务，采用相同的范式：预测一组掩码和相应的标签。因此，这3个任务都被视为实例分割。Mask2Former模型通过以下方式在性能和效率上优于之前的最优模型 MaskFormer ：(i) 使用更先进的多尺度可变形注意力Transformer替换像素解码器，(ii) 采用具有掩码注意力的Transformer解码器以提高性能而不引入额外的计算量，(iii) 改进训练效率，通过在子采样点上计算损失而不是整个掩码。

预期用途和局限性

您可以使用此特定检查点进行实例分割。查看 model hub 以寻找您感兴趣的其他任务的微调版本。

如何使用

下面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 instance segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-coco-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-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"]

有关更多代码示例，请参阅 documentation 。