/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
mask2former · dense
Опубликована
5 янв 2023

mask2former-swin-small-cityscapes-semantic

Сегментация изображенийИзображение → mask3 профессии

Небольшая версия Mask2Former с backbone Swin для семантической сегментации городских сцен Cityscapes.

769скачиваний за 30 дней4лайкавеса 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 от команды Facebook — версия небольшого размера с backbone Swin, обученная для семантической сегментации Cityscapes. Модель основана на архитектуре Mask2Former, которая предсказывает набор масок и соответствующих меток; в общей архитектуре используется многомасштабный декодер с deformable attention и декодер Transformer с masked attention.

Этот чекпойнт предназначен для сегментации изображений городских сцен. Его можно применять для выделения и классификации объектов и областей на изображениях Cityscapes; в карточке также заявлено применение для паноптической сегментации. Модель работает с изображениями и выдаёт сегментационные маски и метки.

Репозиторий содержит веса PyTorch и safetensors. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Сценарии применения

  • семантическая сегментация изображений городских улиц
  • выделение дорожных объектов и областей на изображениях Cityscapes
  • паноптическая сегментация городских сцен

Ограничения

Обучена на Cityscapes и ориентирована на городские сцены; перенос на другие типы изображений может потребовать проверки или адаптации. Указана лицензия «other», поэтому условия использования следует уточнить 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 semantic segmentation (small-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 panoptic 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 semantic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-cityscapes-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-cityscapes-semantic")

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

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
91281d0

0 моделей