/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
mask2former · dense
Опубликована
5 янв 2023

mask2former-swin-large-cityscapes-instance

Сегментация изображенийИзображение → mask3 профессии

Mask2Former с большой Swin-основой — модель компьютерного зрения для выделения и классификации отдельных объектов на изображениях Cityscapes.

312скачиваний за 30 дней2лайкавеса обновлены11 сен 2023

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 — модель компьютерного зрения, разработанная командой, выпустившей семейство Mask2Former, и представленная в статье «Masked-attention Mask Transformer for Universal Image Segmentation». Этот чекпойнт обучен для сегментации отдельных объектов на изображениях Cityscapes; в нём используется большая версия Swin в качестве основы и архитектура Mask2Former для универсальной сегментации.

Модель предсказывает маски объектов и соответствующие им классы. Семейство Mask2Former также охватывает семантическую и паноптическую сегментацию, но данный чекпойнт предназначен именно для сегментации экземпляров. Архитектура использует многомасштабный декодер пикселей с деформируемым вниманием и Transformer-декодер с маскированным вниманием. Веса доступны в форматах PyTorch и safetensors.

Чекпойнт подходит для выделения и классификации объектов на сценах, похожих на городские изображения Cityscapes. В карточке не приведены сведения о численном размере модели, языках или длине контекста; языковой ввод модель не использует. Лицензия указана как other, поэтому конкретные условия использования следует сверить с репозиторием.

Сценарии применения

  • выделение отдельных объектов на уличных изображениях
  • классификация сегментированных объектов на городских сценах
  • подготовка масок объектов для анализа дорожных сцен

Ограничения

Этот чекпойнт обучен для сегментации экземпляров на Cityscapes; качество на других типах изображений не подтверждено карточкой. Лицензия обозначена как other, поэтому условия использования нужно проверять в репозитории.

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

Mask2Former model trained on Cityscapes instance segmentation (large-sized version, Swin backbone). It was introduced in the paper Masked-attention Mask Transformer for Universal Image Segmentation and first released in this repository.

Disclaimer: The team releasing Mask2Former did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

Mask2Former addresses instance, semantic and panoptic segmentation with the same paradigm: by predicting a set of masks and corresponding labels. Hence, all 3 tasks are treated as if they were instance segmentation. Mask2Former outperforms the previous SOTA, MaskFormer both in terms of performance an efficiency by (i) replacing the pixel decoder with a more advanced multi-scale deformable attention Transformer, (ii) adopting a Transformer decoder with masked attention to boost performance without without introducing additional computation and (iii) improving training efficiency by calculating the loss on subsampled points instead of whole masks.

model image

Intended uses & limitations

You can use this particular checkpoint for instance segmentation. See the model hub to look for other fine-tuned versions on a task that interests you.

How to use

Here is how to use this model:

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


# load Mask2Former fine-tuned on Cityscapes instance segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-cityscapes-instance")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-cityscapes-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"]

For more code examples, we refer to the documentation.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
Mask2FormerForUniversalSegmentation
Ревизия весов
70fed72

0 моделей