/ Модель

Характеристики

Лицензия
MIT
Архитектура
mask2former · dense
Базовая модель
mask2former-swin-large-ade-semantic
Библиотека
transformers
Опубликована
8 дек 2025

mask2former-large-dlr-skyscapes

Сегментация изображенийИзображение → mask3 профессии

Модель Mask2Former с энкодером Swin-L для сегментации 20 классов объектов и поверхностей на аэрофотоснимках городской и пригородной местности.

188скачиваний за 30 дней2лайкавеса обновлены8 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mask2Former-Large — модель семантической сегментации аэрофотоснимков, созданная автором репозитория дообучением Mask2Former с энкодером Swin-L на наборе DLR SkyScapes. Она выделяет 20 классов объектов и поверхностей в городской и пригородной среде: дороги и парковки, тротуары и велодорожки, здания, автомобили и другие транспортные средства, растительность и деревья. Модель предназначена для картографирования и GIS, построения HD-карт, анализа сцен и мониторинга окружающей среды по снимкам высокого разрешения.

Для загрузки и предобработки используется библиотека Transformers и AutoImageProcessor; веса опубликованы в формате safetensors. В README приведены характеристики исходного набора: 16 снимков разрешением 5616 × 3744 пикселя с размером пикселя на местности 13 см. Модель обучалась на первых 20 семантических классах DLR SkyScapes из исходных 31, поэтому её разметка ограничена этим набором категорий и характеристиками обучающих данных. Автор не рекомендует применять её в критически важных сценариях без проверки человеком. Лицензия — MIT.

Сценарии применения

  • сегментация дорог и парковок на аэрофотоснимках
  • выделение зданий и транспортных средств для GIS-карт
  • создание HD-карт по снимкам с воздуха
  • классификация растительности и деревьев на снимках
  • анализ городских и пригородных территорий в дистанционном зондировании

Ограничения

Модель распознаёт только 20 классов DLR SkyScapes и обучена на ограниченном наборе из 16 снимков, поэтому качество на иных территориях и типах изображений может отличаться. Не предназначена для критически важных применений без контроля человека.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mask2Former-Large for 20-Class Semantic Segmentation (DLR SkyScapes)

This repository provides a Mask2Former-Large (Swin-L backbone) model fine-tuned on the DLR SkyScapes aerial imagery dataset for 20-class semantic segmentation.
The model focuses on high-resolution urban and peri-urban environments and produces detailed semantic masks for roads, buildings, vegetation, vehicles, and more.


Model Overview

  • Architecture: Mask2Former (Transformer-based, Swin-L backbone)
  • Base Checkpoint: facebook/mask2former-swin-large-ade-semantic
  • Task: Semantic Segmentation
  • Domain: High-resolution aerial imagery
  • Classes: 20 (DLR SkyScapes subset)
  • Loss Function: CrossEntropyLoss (ignore_index = 255)
  • Preprocessing: Hugging Face AutoImageProcessor
  • Recommended: use_fast=False for full reproducibility
  • Weights: model.safetensors

This model was trained as part of a bachelor thesis benchmarking state-of-the-art segmentation architectures on aerial datasets.


DLR SkyScapes
is a high-resolution aerial dataset created by the German Aerospace Center (DLR).
It provides high-quality pixel-level annotations for detailed scene understanding in urban environments.

Dataset Characteristics

  • Images: 16
  • Resolution: 5616 × 3744 px
  • Ground Sampling Distance (GSD): 13 cm/pixel
  • Aerial Coverage: ~5.69 km² (urban & rural)
  • Annotated Instances: 70,346
  • Original Classes: 31
  • Used in this model: First 20 semantic classes, listed below.

Semantic Classes (1–20)

  1. Low vegetation
  2. Paved road
  3. Non paved road
  4. Paved parking
  5. Non paved parking
  6. Bikeways
  7. Sidewalks
  8. Entrance/exit
  9. Danger area
  10. Lane markings
  11. Building
  12. Car
  13. Trailer
  14. Van
  15. Truck
  16. Long truck
  17. Bus
  18. Clutter
  19. Impervious surface
  20. Tree

These match the class IDs used during training.


Intended Applications

  • Urban mapping and GIS
  • HD map generation
  • Scene understanding for robotics
  • Autonomous driving (aerial-based priors)
  • Environmental monitoring
  • Remote sensing research

Not suitable for safety-critical deployment without human supervision.


Usage Example

Load the processor and model:

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

model_id = "RyanQchiqache/mask2former-large-dlr-skyscapes"

processor = AutoImageProcessor.from_pretrained(model_id, use_fast=False)
model = Mask2FormerForUniversalSegmentation.from_pretrained(model_id)

img = Image.open("example_dlr_image.png")

inputs = processor(images=img, return_tensors="pt")
with torch.no_grad():
    outputs = model(**inputs)

segmentation = processor.post_process_semantic_segmentation(
    outputs,
    target_sizes=[img.size[::-1]]
)[0]

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
Mask2FormerForUniversalSegmentation
Ревизия весов
5b307fd

0 моделей