Transformers documentation
Mask2Former
이 모델은 2021-12-02에 HF papers에 게시되었으며, 2023-01-16에 Hugging Face Transformers에 기여되었습니다.
Mask2Former
개요
Mask2Former 모델은 Bowen Cheng, Ishan Misra, Alexander G. Schwing, Alexander Kirillov, Rohit Girdhar가 Masked-attention Mask Transformer for Universal Image Segmentation에서 제안했습니다. Mask2Former는 파노픽, 인스턴스 및 시맨틱 분할을 위한 통합 프레임워크이며, MaskFormer 대비 성능과 효율성에서 상당한 개선을 제공합니다.
해당 논문의 초록은 다음과 같습니다:
Image segmentation은 서로 다른 의미론적 속성, 예를 들어 카테고리 또는 인스턴스 소속에 따라 픽셀을 그룹화합니다. 의미론적 속성의 선택은 각 태스크를 정의합니다. 각 태스크의 의미론적 속성만 다를 뿐이지만, 현재 연구는 각 태스크에 특화된 아키텍처를 설계하는 데 초점을 맞추고 있습니다. 우리는 모든 image segmentation 태스크(panoptic, instance, semantic)를 처리할 수 있는 새로운 아키텍처인 Masked-attention Mask Transformer(Mask2Former)를 제안합니다. 그 핵심 구성 요소로는 예측된 mask 영역 내에서 cross-attention을 제한하여 국소화된 특징을 추출하는 masked attention이 있습니다. Mask2Former는 연구 노력을 최소 3배 이상 줄이는 동시에, 4개의 인기 있는 데이터셋에서 최고의 특화 아키텍처를 상당한 격차로 능가합니다. 특히, Mask2Former는 panoptic segmentation(COCO에서 57.8 PQ), instance segmentation(COCO에서 50.1 AP), semantic segmentation(ADE20K에서 57.7 mIoU)에서 새로운 state-of-the-art를 달성했습니다.
Mask2Former architecture. Taken from the original paper. 이 모델은 Shivalika Singh와 Alara Dirik가 기여했습니다. 원본 코드는 여기에서 찾을 수 있습니다.
사용 팁
- Mask2Former는 MaskFormer와 동일한 전처리 및 후처리 단계를 사용합니다. 모델에 사용할 이미지와 선택적 타겟을 준비하려면 Mask2FormerImageProcessor 또는 AutoImageProcessor를 사용하세요.
- 작업에 따라 post_process_semantic_segmentation() 또는 post_process_instance_segmentation() 또는 post_process_panoptic_segmentation()를 호출하여 최종 분할을 얻을 수 있습니다. 세 가지 작업 모두 Mask2FormerForUniversalSegmentation의 출력으로 해결할 수 있으며, panoptic segmentation은 대상 객체(예: 하늘)의 인스턴스를 함께 병합하기 위한 선택적
label_ids_to_fuse인수를 지원합니다.
리소스
Mask2Former를 시작하는 데 도움이 되는 공식 Hugging Face 및 커뮤니티(🌎로 표시) 리소스 목록입니다.
- 커스텀 데이터에서 Mask2Former 추론 + 파인튜닝에 대한 데모 노트북은 여기에서 확인할 수 있습니다.
여기에 포함할 리소스를 제출하고 싶으시면 Pull Request를 열어 주시면 검토하겠습니다. 리소스는 기존 리소스를 중복하는 대신 새로운 것을 시연하는 것이 이상적입니다.
Mask2FormerConfig
클래스 transformers.Mask2FormerConfig
< source >( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonebackbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonefeature_size: int = 256mask_feature_size: int = 256hidden_dim: int = 256encoder_feedforward_dim: int = 1024activation_function: str = 'relu'encoder_layers: int = 6decoder_layers: int = 10num_attention_heads: int = 8dropout: float | int = 0.0dim_feedforward: int = 2048pre_norm: bool = Falseenforce_input_projection: bool = Falsecommon_stride: int = 4ignore_value: int = 255num_queries: int = 100no_object_weight: float = 0.1class_weight: float = 2.0mask_weight: float = 5.0dice_weight: float = 5.0train_num_points: int = 12544oversample_ratio: float = 3.0importance_sample_ratio: float = 0.75init_std: float = 0.02init_xavier_std: float = 1.0use_auxiliary_loss: bool = Truefeature_strides: list[int] | tuple[int, ...] = (4, 8, 16, 32)output_auxiliary_logits: bool | None = None )
매개변수
- backbone_config (
Union[dict, ~configuration_utils.PreTrainedConfig], 선택) — backbone 모델의 설정입니다. - feature_size (
int, 선택 사항, 기본값 256) — 결과 feature map의 features(채널) 수입니다. - mask_feature_size (
int, 선택 사항, 기본값 256) — 마스크의 특징 크기입니다. 이 값은 Feature Pyramid Network 특징의 크기를 지정하는 데에도 사용됩니다. - hidden_dim (
int, 선택 사항, 기본값256) — 숨겨진 표현의 차원입니다. - encoder_feedforward_dim (
int, 선택 사항, 기본값 1024) — pixel decoder의 일부로 사용되는 deformable detr encoder의 feedforward network 차원입니다. - activation_function (
str, 선택 사항, 기본값relu) — 디코더에서 사용되는 비선형 활성화 함수(함수 또는 문자열)입니다. 예를 들어,"gelu","relu","silu"등이 있습니다. - encoder_layers (
int, 선택 사항, 기본값6) — Transformer 인코더의 숨겨진 레이어 수입니다. 설정하지 않으면num_layers와 동일한 값을 사용합니다. - decoder_layers (
int, 선택 사항, 기본값10) — Transformer decoder의 숨겨진 레이어 수입니다. 설정하지 않으면num_layers와 동일한 값을 사용합니다. - num_attention_heads (
int, 선택 사항, 기본값8) — Transformer decoder의 각 attention layer에 사용할 attention head의 수입니다. - dropout (
Union[float, int], 선택 사항, 기본값0.0) — 모든 dropout 레이어에 적용할 비율입니다. - dim_feedforward (
int, 선택 사항, 기본값 2048) — transformer decoder의 feedforward network에서 사용되는 feature 차원. - pre_norm (
bool, 선택 사항, 기본값False) — transformer decoder에서 pre-LayerNorm을 사용할지 여부입니다. - enforce_input_projection (
bool, 선택 사항, 기본값False) — Transformer decoder에서 입력 채널과 hidden dim이 동일하더라도 입력 projection 1x1 convolution을 추가할지 여부 - common_stride (
int, 선택 사항, 기본값 4) — 픽셀 디코더의 일부로 사용되는 FPN 레벨 수를 결정하는 데 사용되는 매개변수입니다. - ignore_value (
int, 선택 사항, 기본값 255) — 학습 중에 무시할 카테고리 ID입니다. - num_queries (
int, 선택 사항, 기본값 100) — 디코더에 사용할 쿼리의 수입니다. - no_object_weight (
float, 선택 사항, 기본값0.1) — 객체 감지 손실에서 no-object 클래스의 상대 분류 가중치입니다. - class_weight (
float, 선택 사항, 기본값2.0) — 헝가리안 매칭 비용에서 분류 오류의 상대적 가중치입니다. - mask_weight (
float, 선택 사항, 기본값5.0) — panoptic segmentation loss에서 focal loss의 상대적 가중치입니다. - dice_weight (
float, 선택 사항, 기본값5.0) — panoptic segmentation loss에서 dice loss의 상대적 가중치입니다. - train_num_points (
str또는function, 선택 사항, 기본값 12544) — 손실 계산 시 샘플링에 사용되는 점의 수. - oversample_ratio (
float, 선택 사항, 기본값 3.0) — 샘플링된 점의 수를 계산하는 데 사용되는 오버샘플링 파라미터 - importance_sample_ratio (
float, 선택, 기본값 0.75) — importance sampling을 통해 샘플링되는 포인트의 비율입니다. - init_std (
float, 선택 사항, 기본값0.02) — 모든 가중치 행렬을 초기화하는 truncated_normal_initializer의 표준 편차입니다. - init_xavier_std (
float, 선택 사항, 기본값1.0) — 크로스 어텐션 가중치의 Xavier 초기화에 사용되는 스케일링 계수입니다. - use_auxiliary_loss (
bool, 선택 사항, 기본값True) — transformer decoder의 중간 예측을 사용하여 손실을 계산할지 여부. - feature_strides (
list[int], 선택 사항, 기본값[4, 8, 16, 32]) — backbone network에서 생성된 feature에 해당하는 feature strides입니다. - output_auxiliary_logits (
bool, 선택) — 모델이auxiliary_logits를 출력할지 여부를 지정합니다.
이것은 Mask2FormerModel의 구성을 저장하기 위한 구성 클래스입니다. 지정된 인자에 따라 Mask2Former 모델을 인스턴스화하고 모델 아키텍처를 정의하는 데 사용됩니다. 기본값으로 구성을 인스턴스화하면 facebook/mask2former-swin-small-coco-instance와 유사한 구성이 생성됩니다.
Configuration 객체는 PreTrainedConfig를 상속하며 모델 출력을 제어하는 데 사용할 수 있습니다. 자세한 내용은 PreTrainedConfig의 문서를 참고하세요.
예:
>>> from transformers import Mask2FormerConfig, Mask2FormerModel
>>> # Initializing a Mask2Former facebook/mask2former-swin-small-coco-instance configuration
>>> configuration = Mask2FormerConfig()
>>> # Initializing a model (with random weights) from the facebook/mask2former-swin-small-coco-instance style configuration
>>> model = Mask2FormerModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.configMaskFormer의 특정 출력
class transformers.models.mask2former.modeling_mask2former.Mask2FormerModelOutput
< source >( encoder_last_hidden_state: typing.Optional[torch.Tensor] = Nonepixel_decoder_last_hidden_state: typing.Optional[torch.Tensor] = Nonetransformer_decoder_last_hidden_state: typing.Optional[torch.Tensor] = Noneencoder_hidden_states: tuple[torch.Tensor] | None = Nonepixel_decoder_hidden_states: tuple[torch.Tensor] | None = Nonetransformer_decoder_hidden_states: tuple[torch.Tensor] | None = Nonetransformer_decoder_intermediate_states: tuple[torch.Tensor] | None = Nonemasks_queries_logits: tuple[torch.Tensor] | None = Noneattentions: tuple[torch.Tensor] | None = None )
매개변수
- encoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width), 선택 사항) — 인코더 모델(백본)의 마지막 단계의 마지막 히든 상태(최종 특징 맵).output_hidden_states=True가 전달된 경우 반환됩니다. - pixel_decoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width), 선택 사항) — pixel decoder 모델의 마지막 단계의 마지막 hidden states(최종 feature map). - transformer_decoder_last_hidden_state (
tuple(torch.Tensor)) — transformer decoder의 최종 출력(batch_size, sequence_length, hidden_size). - encoder_hidden_states (
tuple(torch.Tensor), 선택 사항) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 스테이지 출력 1개)로, shape이(batch_size, num_channels, height, width)입니다. 각 스테이지 출력 시점의 인코더 모델의 hidden-states(또는 feature maps라고도 함).output_hidden_states=True가 전달될 때 반환됩니다. - pixel_decoder_hidden_states (
tuple(torch.Tensor), , 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape이(batch_size, num_channels, height, width)입니다. 각 단계 출력 시점의 픽셀 디코더 모델의 hidden-states(또는 feature maps라고도 함).output_hidden_states=True가 전달된 경우 반환됩니다. - transformer_decoder_hidden_states (
tuple(torch.Tensor), 선택 사항) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape이(batch_size, sequence_length, hidden_size)입니다. 각 단계 출력 시점의 transformer decoder hidden-states(또는 feature maps)입니다.output_hidden_states=True가 전달될 때 반환됩니다. - transformer_decoder_intermediate_states (
tuple(torch.Tensor), shape(num_queries, 1, hidden_size)) — 중간 decoder 활성화 값, 즉 각 decoder layer의 출력으로, 각각 layernorm을 거친 값입니다. - masks_queries_logits (
tuple(torch.Tensor), shape(batch_size, num_queries, height, width)) — transformer decoder의 각 레이어에서 생성된 마스크 예측 값입니다. - attentions (
tuple(tuple(torch.Tensor)), 선택 사항,output_attentions=True가 전달된 경우 반환됨) —(batch_size, num_heads, sequence_length, sequence_length)모양의tuple(torch.Tensor)튜플(레이어당 하나). Transformer decoder의 self attention 가중치입니다. - attentions (
tuple[torch.Tensor], 선택 사항, 다음 조건에서 반환됩니다:output_attentions=True이 전달되거나config.output_attentions=True) — 다음의 튜플입니다:torch.Tensor(각 레이어당 하나씩, 모양이(batch_size, num_heads, sequence_length, sequence_length).self-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention softmax 이후의 attention 가중치.
Mask2FormerModel의 출력에 대한 클래스입니다. 이 클래스는 logits를 계산하는 데 필요한 모든 hidden states를 반환합니다.
class transformers.models.mask2former.modeling_mask2former.Mask2FormerForUniversalSegmentationOutput
< source >( loss: typing.Optional[torch.Tensor] = Noneclass_queries_logits: typing.Optional[torch.Tensor] = Nonemasks_queries_logits: typing.Optional[torch.Tensor] = Noneauxiliary_logits: list[dict[str, torch.Tensor]] | None = Noneencoder_last_hidden_state: typing.Optional[torch.Tensor] = Nonepixel_decoder_last_hidden_state: typing.Optional[torch.Tensor] = Nonetransformer_decoder_last_hidden_state: typing.Optional[torch.Tensor] = Noneencoder_hidden_states: tuple[torch.Tensor] | None = Nonepixel_decoder_hidden_states: tuple[torch.Tensor] | None = Nonetransformer_decoder_hidden_states: typing.Optional[torch.Tensor] = Noneattentions: tuple[torch.Tensor] | None = None )
매개변수
- loss (
torch.Tensor, 선택 사항) — 레이블이 존재할 때 반환되는 계산된 손실입니다. - class_queries_logits (
torch.Tensor, 선택) — 각 쿼리에 대해 제안된 클래스를 나타내는(batch_size, num_queries, num_labels + 1)형태의 텐서입니다.+ 1은 null 클래스를 포함하기 때문에 필요합니다. - masks_queries_logits (
torch.Tensor, 선택 사항) — 각 쿼리에 대한 제안된 마스크를 나타내는(batch_size, num_queries, height, width)형태의 텐서. - auxiliary_logits (
list[Dict(str, torch.Tensor)], 선택) — transformer decoder의 각 레이어에서 생성된 클래스 및 마스크 예측 값 목록. - encoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width)) — 인코더 모델(백본)의 마지막 단계의 마지막 히든 상태(최종 특징 맵). - pixel_decoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width)) — pixel decoder 모델의 마지막 단계의 마지막 hidden states(최종 feature map). - transformer_decoder_last_hidden_state (
tuple(torch.Tensor)) — transformer decoder의 최종 출력(batch_size, sequence_length, hidden_size). - encoder_hidden_states (
tuple(torch.Tensor), 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape은(batch_size, num_channels, height, width)입니다. 각 단계의 출력에서 인코더 모델의 hidden-states(또는 feature maps라고도 함). - pixel_decoder_hidden_states (
tuple(torch.Tensor), 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape이(batch_size, num_channels, height, width)입니다. 각 단계 출력 시점의 픽셀 디코더 모델의 히든 스테이트(피처 맵이라고도 함). - transformer_decoder_hidden_states (
tuple(torch.Tensor), 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape이(batch_size, sequence_length, hidden_size)입니다. 각 단계 출력 시점의 transformer decoder hidden-states(또는 feature maps라고도 함). - attentions (
tuple(tuple(torch.Tensor)), 선택 사항,output_attentions=True가 전달되었거나config.output_attentions=True인 경우 반환됨) —tuple(torch.Tensor)의 튜플(레이어당 하나)로, shape은(batch_size, num_heads, sequence_length, sequence_length)입니다. Transformer decoder의 Self Attention 및 Cross Attention 가중치입니다.
Mask2FormerForUniversalSegmentationOutput의 출력에 대한 클래스입니다.
이 출력은 최종 분할 맵을 계산하기 위해 post_process_semantic_segmentation() 또는 post_process_instance_segmentation() 또는 post_process_panoptic_segmentation()에 직접 전달할 수 있습니다. 사용법에 대한 자세한 내용은 [`~Mask2FormerImageProcessor]를 참고하세요.
Mask2FormerModel
class transformers.Mask2FormerModel
< source >( config: Mask2FormerConfig )
매개변수
- config (Mask2FormerConfig) — 모델의 모든 매개변수를 포함하는 모델 구성 클래스입니다. 구성 파일로 초기화하는 것은 모델과 관련된 가중치를 로드하지 않으며, 구성만 로드합니다. 모델 가중치를 로드하려면 from_pretrained() 메서드를 확인하세요.
Mask2Former 모델은 특정 헤드가 위에 없는 상태에서 원시 hidden-states를 출력하는 기본 모델입니다.
이 모델은 PreTrainedModel에서 상속됩니다. 라이브러리가 모든 모델에 대해 구현하는 일반적 메서드(다운로드 또는 저장, 입력 임베딩 크기 조정, 헤드 프루닝 등)에 대한 세부 사항은 상위 클래스 문서를 확인하세요.
이 모델은 또한 PyTorch torch.nn.Module의 하위 클래스입니다. 일반적인 PyTorch Module처럼 사용하며, 일반적인 사용법 및 동작과 관련된 모든 사항은 PyTorch 문서를 참조하세요.
forward
< source >( pixel_values: Tensorpixel_mask: typing.Optional[torch.Tensor] = Noneoutput_hidden_states: bool | None = Noneoutput_attentions: bool | None = Nonereturn_dict: bool | None = None**kwargs ) → Mask2FormerModelOutput or tuple(torch.Tensor)
매개변수
- pixel_values (
torch.Tensor, shape(batch_size, num_channels, image_size, image_size)) — 입력 이미지에 해당하는 텐서입니다. 픽셀 값은 Mask2FormerImageProcessor를 사용하여 얻을 수 있습니다. 자세한 내용은 Mask2FormerImageProcessor.call()를 참조하세요 (processor_class는 이미지 처리에 Mask2FormerImageProcessor를 사용합니다). - pixel_mask (
torch.Tensor의 형태인(batch_size, height, width), 선택 사항) — 패딩 픽셀 값에 대한 attention을 수행하지 않도록 하는 마스크. [0, 1] 범위에서 선택된 마스크 값: 실제 픽셀(즉, 마스크되지 않은 픽셀)은 1, 패딩 픽셀(즉, 마스크된 픽셀)은 0. attention 마스크란 무엇인가요?[0, 1]:- 실제 픽셀(즉, 마스크가 적용되지 않은 픽셀)에 대해 1
- 패딩(즉, 마스크 처리된) 픽셀은 0
- output_hidden_states (
bool, 선택 사항) — 모든 레이어의 hidden states를 반환할지 여부입니다. 자세한 내용은 반환되는 텐서 중hidden_states항목을 참고하세요. - output_attentions (
bool, 선택 사항) — 모든 attention 레이어의 attentions 텐서를 반환할지 여부. 자세한 내용은 반환 텐서 섹션의attentions항목을 참조하세요. - return_dict (
bool, 선택) — 일반 튜플 대신 ModelOutput를 반환할지 여부.
반환값
Mask2FormerModelOutput 또는 tuple(torch.Tensor)
torch.Tensor의 튜플 또는 Mask2FormerModelOutput (return_dict=False가 전달되었거나 config.return_dict=False인 경우). 구성(Mask2FormerConfig)과 입력에 따라 다양한 요소를 포함합니다.
Mask2FormerModel의 forward 메서드는 __call__ 특수 메서드를 오버라이드합니다.
이 함수 내에서 forward pass의 레시피를 정의해야 하지만, 이후에는 이 함수 대신
Module인스턴스를 호출해야 합니다. 전자는 전처리 및 후처리 단계를 실행하는 것을 처리하는 반면, 후자는 이를 조용히 무시하기 때문입니다.
encoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width), 선택 사항) — 인코더 모델(백본)의 마지막 단계의 마지막 히든 상태(최종 특징 맵).output_hidden_states=True가 전달될 때 반환됩니다.pixel_decoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width), 선택 사항) — 픽셀 디코더 모델의 마지막 단계의 마지막 hidden states(최종 feature map).transformer_decoder_last_hidden_state (
tuple(torch.Tensor)) — transformer decoder의 최종 출력(batch_size, sequence_length, hidden_size).encoder_hidden_states (
tuple(torch.Tensor), 선택 사항) — 각 단계의 출력에 대한torch.Tensor튜플(임베딩 출력 1개 + 각 단계 출력 1개)로, shape이(batch_size, num_channels, height, width)입니다. 각 단계 출력 시점의 인코더 모델의 hidden-states(또는 feature maps).output_hidden_states=True가 전달될 때 반환됩니다.pixel_decoder_hidden_states (
tuple(torch.Tensor), , 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape는(batch_size, num_channels, height, width)입니다. 각 단계의 출력에서 pixel decoder 모델의 hidden-states(또는 feature maps라고도 함).output_hidden_states=True가 전달된 경우 반환됩니다.transformer_decoder_hidden_states (
tuple(torch.Tensor), 선택) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape이(batch_size, sequence_length, hidden_size)입니다. 각 단계 출력 시점의 transformer decoder hidden-states(또는 feature maps).output_hidden_states=True가 전달될 때 반환됩니다.transformer_decoder_intermediate_states (
tuple(torch.Tensor), shape(num_queries, 1, hidden_size)) — 중간 decoder 활성화 값, 즉 각 decoder layer의 출력으로, 각각 layernorm을 거친 값입니다.masks_queries_logits (
tuple(torch.Tensor), shape(batch_size, num_queries, height, width)) Transformer decoder의 각 레이어에서 생성된 마스크 예측 값입니다. attentions (tuple(tuple(torch.Tensor)), 선택 사항,output_attentions=True가 전달될 때 반환됨) —tuple(torch.Tensor)의 튜플(레이어당 하나), shape(batch_size, num_heads, sequence_length, sequence_length). Transformer decoder의 셀프 어텐션 가중치입니다.attentions (
tuple[torch.Tensor], 선택 사항,output_attentions=True가 전달되었거나config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된torch.Tensor의 튜플로, 모양은(batch_size, num_heads, sequence_length, sequence_length)입니다.self-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention softmax 이후의 attention 가중치.
Mask2FormerForUniversalSegmentation
class transformers.Mask2FormerForUniversalSegmentation
< source >( config: Mask2FormerConfig )
매개변수
- config (Mask2FormerConfig) — 모델의 모든 매개변수를 포함하는 모델 구성 클래스입니다. 구성 파일로 초기화하는 것은 모델과 관련된 가중치를 로드하지 않으며, 구성만 로드합니다. 모델 가중치를 로드하려면 from_pretrained() 메서드를 확인하세요.
인스턴스/시맨틱/팬옵틱 분할을 위해 상단에 헤드(heads)가 있는 Mask2Former 모델.
이 모델은 PreTrainedModel에서 상속됩니다. 라이브러리가 모든 모델에 대해 구현하는 일반적 메서드(다운로드 또는 저장, 입력 임베딩 크기 조정, 헤드 프루닝 등)에 대한 세부 사항은 상위 클래스 문서를 확인하세요.
이 모델은 또한 PyTorch torch.nn.Module의 하위 클래스입니다. 일반적인 PyTorch Module처럼 사용하며, 일반적인 사용법 및 동작과 관련된 모든 사항은 PyTorch 문서를 참조하세요.
forward
< source >( pixel_values: Tensormask_labels: list[torch.Tensor] | None = Noneclass_labels: list[torch.Tensor] | None = Nonepixel_mask: typing.Optional[torch.Tensor] = Noneoutput_hidden_states: bool | None = Noneoutput_auxiliary_logits: bool | None = Noneoutput_attentions: bool | None = Nonereturn_dict: bool | None = None**kwargs ) → Mask2FormerForUniversalSegmentationOutput or tuple(torch.Tensor)
매개변수
- pixel_values (
torch.Tensor, shape(batch_size, num_channels, image_size, image_size)) — 입력 이미지에 해당하는 텐서입니다. 픽셀 값은 Mask2FormerImageProcessor를 사용하여 얻을 수 있습니다. 자세한 내용은 Mask2FormerImageProcessor.call()를 참조하세요 (processor_class는 이미지 처리에 Mask2FormerImageProcessor를 사용합니다). - mask_labels (
list[torch.Tensor], 선택 사항) — 모델에 전달할(num_labels, height, width)형태의 마스크 라벨 목록 - class_labels (
list[torch.LongTensor], 선택 사항) — 모델에 입력할(num_labels, height, width)형식의 대상 클래스 라벨 목록입니다.mask_labels의 라벨을 식별하며, 예를 들어mask_labels[i][j]의 라벨은class_labels[i][j]입니다. - pixel_mask (
torch.Tensor의 형태인(batch_size, height, width), 선택 사항) — 패딩 픽셀 값에 대한 attention을 수행하지 않도록 하는 마스크. [0, 1] 범위에서 선택된 마스크 값: 실제 픽셀(즉, 마스크되지 않은 픽셀)은 1, 패딩 픽셀(즉, 마스크된 픽셀)은 0. attention 마스크란 무엇인가요?[0, 1]:- 실제 픽셀(즉, 마스크가 적용되지 않은 픽셀)에 대해 1
- 패딩(즉, 마스크 처리된) 픽셀은 0
- output_hidden_states (
bool, 선택 사항) — 모든 레이어의 hidden states를 반환할지 여부입니다. 자세한 내용은 반환되는 텐서 중hidden_states항목을 참고하세요. - output_auxiliary_logits (
bool, 선택 사항) — 보조 logits를 출력할지 여부. - output_attentions (
bool, 선택 사항) — 모든 attention 레이어의 attentions 텐서를 반환할지 여부. 자세한 내용은 반환 텐서 섹션의attentions항목을 참조하세요. - return_dict (
bool, 선택) — 일반 튜플 대신 ModelOutput를 반환할지 여부.
반환값
Mask2FormerForUniversalSegmentationOutput 또는 tuple(torch.Tensor)
torch.Tensor의 튜플 또는 Mask2FormerForUniversalSegmentationOutput입니다. return_dict=False가 전달되었거나 config.return_dict=False인 경우, Mask2FormerConfig와 입력에 따라 다양한 요소를 포함합니다.
Mask2FormerForUniversalSegmentation의 forward 메서드는 __call__ 특수 메서드를 오버라이드합니다.
이 함수 내에서 forward pass의 레시피를 정의해야 하지만, 이후에는 이 함수 대신
Module인스턴스를 호출해야 합니다. 전자는 전처리 및 후처리 단계를 실행하는 것을 처리하는 반면, 후자는 이를 조용히 무시하기 때문입니다.
- loss (
torch.Tensor, 선택 사항) — 라벨이 존재할 때 반환되는 계산된 손실. - class_queries_logits (
torch.Tensor, 선택 사항) — 각 쿼리에 대해 제안된 클래스를 나타내는(batch_size, num_queries, num_labels + 1)형태의 텐서입니다.+ 1은 null 클래스를 포함하기 때문에 필요합니다. - masks_queries_logits (
torch.Tensor, 선택 사항) — 각 쿼리에 대한 제안된 마스크를 나타내는(batch_size, num_queries, height, width)형태의 텐서. - auxiliary_logits (
list[Dict(str, torch.Tensor)], 선택) — transformer decoder의 각 레이어에서 생성된 클래스 및 마스크 예측 값 목록. - encoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width)) — 인코더 모델(백본)의 마지막 단계의 마지막 히든 상태(최종 특징 맵). - pixel_decoder_last_hidden_state (
torch.Tensor, shape(batch_size, num_channels, height, width)) — pixel decoder 모델의 마지막 단계의 마지막 hidden states(최종 feature map). - transformer_decoder_last_hidden_state (
tuple(torch.Tensor)) — transformer decoder의 최종 출력(batch_size, sequence_length, hidden_size). - encoder_hidden_states (
tuple(torch.Tensor), 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape는(batch_size, num_channels, height, width)입니다. 각 단계의 출력에서 인코더 모델의 hidden-states(또는 feature maps라고도 함). - pixel_decoder_hidden_states (
tuple(torch.Tensor), 선택 사항,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력용 1개 + 각 단계 출력용 1개)로, shape는(batch_size, num_channels, height, width)입니다. 각 단계 출력 시점의 픽셀 디코더 모델의 hidden-states(또는 feature maps이라고도 함). - transformer_decoder_hidden_states (
tuple(torch.Tensor), 선택,output_hidden_states=True가 전달되었거나config.output_hidden_states=True인 경우 반환됨) —torch.Tensor의 튜플(임베딩 출력 1개 + 각 단계의 출력 1개)로, shape이(batch_size, sequence_length, hidden_size)입니다. 각 단계의 출력에서 transformer decoder의 hidden-states(또는 feature maps라고도 함). - attentions (
tuple(tuple(torch.Tensor)), 선택 사항,output_attentions=True가 전달되거나config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된tuple(torch.Tensor)의 튜플로, 모양은(batch_size, num_heads, sequence_length, sequence_length)입니다. Transformer 디코더의 Self Attention 및 Cross Attention 가중치입니다.
예:
인스턴스 분할 예시:
>>> from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
>>> from PIL import Image
>>> from huggingface_hub.utils import httpx
>>> from io import BytesIO
>>> import torch
>>> # Load Mask2Former trained on COCO instance segmentation dataset
>>> image_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"
>>> with httpx.stream("GET", url) as response:
... image = Image.open(BytesIO(response.read()))
>>> inputs = image_processor(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
>>> # Perform post-processing to get instance segmentation map
>>> pred_instance_map = image_processor.post_process_instance_segmentation(
... outputs, target_sizes=[(image.height, image.width)]
... )[0]
>>> print(pred_instance_map.shape)
torch.Size([480, 640])의미 분할 예시:
>>> from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
>>> from PIL import Image
>>> from huggingface_hub.utils import httpx
>>> from io import BytesIO
>>> import torch
>>> # Load Mask2Former trained on ADE20k semantic segmentation dataset
>>> image_processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-ade-semantic")
>>> model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-small-ade-semantic")
>>> url = (
... "https://huggingface.co/datasets/hf-internal-testing/fixtures_ade20k/resolve/main/ADE_val_00000001.jpg"
... )
>>> with httpx.stream("GET", url) as response:
... image = Image.open(BytesIO(response.read()))
>>> inputs = image_processor(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
>>> # Perform post-processing to get semantic segmentation map
>>> pred_semantic_map = image_processor.post_process_semantic_segmentation(
... outputs, target_sizes=[(image.height, image.width)]
... )[0]
>>> print(pred_semantic_map.shape)
torch.Size([512, 683])Panoptic segmentation 예시:
>>> from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation
>>> from PIL import Image
>>> from huggingface_hub.utils import httpx
>>> from io import BytesIO
>>> import torch
>>> # Load Mask2Former trained on CityScapes panoptic segmentation dataset
>>> image_processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-small-cityscapes-panoptic")
>>> model = Mask2FormerForUniversalSegmentation.from_pretrained(
... "facebook/mask2former-swin-small-cityscapes-panoptic"
... )
>>> url = "https://cdn-media.huggingface.co/Inference-API/Sample-results-on-the-Cityscapes-dataset-The-above-images-show-how-our-method-can-handle.png"
>>> with httpx.stream("GET", url) as response:
... image = Image.open(BytesIO(response.read()))
>>> inputs = image_processor(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
>>> # Perform post-processing to get panoptic segmentation map
>>> pred_panoptic_map = image_processor.post_process_panoptic_segmentation(
... outputs, target_sizes=[(image.height, image.width)]
... )[0]["segmentation"]
>>> print(pred_panoptic_map.shape)
torch.Size([338, 676])Mask2FormerImageProcessor
class transformers.Mask2FormerImageProcessor
< source >( **kwargs: *<class 'transformers.models.mask2former.image_processing_mask2former.Mask2FormerImageProcessorKwargs'> )
매개변수
- do_convert_rgb (
bool, kwargs, 선택 사항) — 이미지를 RGB로 변환할지 여부입니다. - do_resize (
bool, kwargs, 선택 사항, 기본값True) — 이미지를 리사이즈할지 여부. - size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs, 기본값{'shortest_edge' -- 800, 'longest_edge': 1333}): 모델에 전달되는 최대 입력 차원을 설명합니다. - default_to_square (
bool, kwargs, 선택 사항, 기본값False) — size가 int인 경우 리사이즈 시 정사각형 이미지로 기본 설정할지 여부. - crop_size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) —center_crop을 적용한 후 출력 이미지의 크기. - resample (
Annotated[Union[int, PILImageResampling, NoneType], None], kwargs, 기본값2) — 이미지 크기를 조정할 때 사용할 리샘플링 필터입니다.PILImageResamplingenum 중 하나를 사용할 수 있습니다.do_resize가True로 설정된 경우에만 효과가 있습니다. - do_rescale (
bool, kwargs, 선택, 기본값True) — 이미지를 다시 스케일링할지 여부. - rescale_factor (
float, kwargs, 선택 사항, 기본값0.00392156862745098) —do_rescale이True로 설정된 경우 이미지를 재조정(rescale)하는 데 사용할 재조정 계수입니다. - do_normalize (
bool, kwargs, 선택, 기본값True) — 이미지를 정규화할지 여부. - image_mean (
Union[float, list[float], tuple[float, ...]], kwargs, 선택, 기본값[0.485, 0.456, 0.406]) — 정규화에 사용할 이미지 평균입니다.do_normalize가True로 설정된 경우에만 효과가 있습니다. - image_std (
Union[float, list[float], tuple[float, ...]], kwargs, 선택, 기본값[0.229, 0.224, 0.225]) — 정규화에 사용할 이미지 표준 편차입니다.do_normalize가True로 설정된 경우에만 효과가 있습니다. - do_pad (
bool, kwargs, optional) — 이미지를 패딩할지 여부입니다. 패딩은 배치 내 가장 큰 크기로 수행하거나, 이미지마다 고정된 정사각형 크기로 수행합니다. 정확한 패딩 전략은 모델에 따라 달라집니다. - pad_size (
SizeDict, kwargs, 선택 사항) — 이미지를 패딩할 크기입니다. 전처리용으로 제공된 모든 이미지 크기보다 커야 합니다.pad_size가 제공되지 않으면, 배치 내 가장 큰 높이와 너비로 이미지가 패딩됩니다. - do_center_crop (
bool, kwargs, 선택) — 이미지를 중앙으로 크롭할지 여부. - data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) —ChannelDimension.FIRST만 지원됩니다. 느린 프로세서와의 호환성을 위해 추가되었습니다. - input_data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) — 입력 이미지의 채널 차원 형식입니다. 설정되지 않으면 입력 이미지에서 채널 차원 형식을 추론합니다. 다음 중 하나일 수 있습니다:"channels_first"또는ChannelDimension.FIRST: (num_channels, height, width) 형식의 이미지."channels_last"또는ChannelDimension.LAST: (height, width, num_channels) 형식의 이미지."none"또는ChannelDimension.NONE: (height, width) 형식의 이미지.
- device (
Annotated[Union[str, torch.device, NoneType], None], kwargs) — 동영상을 처리할 장치입니다. 설정되지 않은 경우, 입력 동영상에서 장치를 추론합니다. - return_tensors (
Annotated[str | ~utils.generic.TensorType | None, None], kwargs) —'pt'로 설정된 경우 스택된 텐서를 반환하고, 그렇지 않으면 텐서 목록을 반환합니다. - disable_grouping (
bool, kwargs, 선택 사항) — 이미지를 크기에 따라 그룹화하는 것을 비활성화하여 배치 대신 개별적으로 처리할지 여부입니다. None인 경우, 이미지가 CPU에 있으면 True, 그렇지 않으면 False로 설정됩니다. 이 선택은 https://github.com/huggingface/transformers/pull/38157에 자세히 설명된 경험적 관찰에 기반합니다. - image_seq_length (
int, kwargs, 선택 사항) — 입력에서 각 이미지에 사용할 이미지 토큰의 수입니다. 하위 호환성을 위해 추가되었지만, 향후 모델에서는 프로세서 속성으로 설정해야 합니다. - ignore_index (
int, kwargs, 선택 사항) — 분할 맵에서 배경 픽셀에 할당할 라벨입니다. 지정된 경우, 0(배경)으로 표시된 분할 맵 픽셀은ignore_index로 대체됩니다. - do_reduce_labels (
bool, kwargs, 선택 사항, 기본값False) — 세그멘테이션 맵의 모든 라벨 값을 1만큼 줄일지 여부입니다. 일반적으로 배경에 0이 사용되고, 배경 자체가 데이터셋의 모든 클래스에 포함되지 않는 데이터셋(예: ADE20k)에서 사용됩니다. 배경 라벨은ignore_index로 대체됩니다. - num_labels (
int, kwargs, 선택 사항) — 세그멘테이션 맵에 포함된 라벨의 수입니다. - size_divisor (
int, kwargs, 선택 사항, 기본값32) — 일부 backbone은 특정 숫자로 나누어 떨어지는 이미지가 필요합니다. 값을 전달하지 않으면 Swin Transformer에서 사용된 값이 기본값으로 적용됩니다.
Mask2FormerImageProcessor 이미지 프로세서를 생성합니다.
preprocess
< source >( images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']]segmentation_maps: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor'], NoneType] = Noneinstance_id_to_semantic_id: list[dict[int, int]] | dict[int, int] | None = None**kwargs: *<class 'transformers.models.mask2former.image_processing_mask2former.Mask2FormerImageProcessorKwargs'> ) → ~image_processing_base.BatchFeature
매개변수
- images (
Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]) — 전처리할 이미지. 픽셀 값이 0에서 255 범위로 이루어진 단일 이미지 또는 배치 이미지를 기대합니다. 픽셀 값이 0에서 1 사이인 이미지를 전달하는 경우do_rescale=False로 설정하세요. - segmentation_maps (
ImageInput, 선택 사항) — 세그멘테이션 맵입니다. - instance_id_to_semantic_id (
Union[list[dict[int, int]], dict[int, int]], 선택) — 인스턴스 ID에서 의미론적 ID로 매핑합니다. - do_convert_rgb (
bool, kwargs, 선택 사항) — 이미지를 RGB로 변환할지 여부입니다. - do_resize (
bool, kwargs, 선택) — 이미지를 리사이즈할지 여부. - size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 모델의 최대 입력 차원을 설명합니다. - default_to_square (
bool, kwargs, 선택 사항) — size가 int인 경우 리사이즈 시 정사각형 이미지로 기본 설정할지 여부. - crop_size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) —center_crop을 적용한 후 출력 이미지의 크기. - resample (
Annotated[Union[int, PILImageResampling, NoneType], None], kwargs) — 이미지를 리사이즈할 경우 사용할 리샘플링 필터입니다. 이는PILImageResamplingenum 중 하나일 수 있습니다.do_resize가True로 설정된 경우에만 효과가 있습니다. - do_rescale (
bool, kwargs, 선택 사항) — 이미지를 다시 스케일링할지 여부입니다. - rescale_factor (
float, kwargs, optional) —do_rescale이True로 설정된 경우 이미지를 리스케일하기 위한 리스케일 팩터입니다. - do_normalize (
bool, kwargs, optional) — 이미지를 정규화할지 여부. - image_mean (
Union[float, list[float], tuple[float, ...]], kwargs, 선택) — 정규화에 사용할 이미지 평균입니다.do_normalize가True로 설정된 경우에만 효과가 있습니다. - image_std (
Union[float, list[float], tuple[float, ...]], kwargs, 선택) — 정규화에 사용할 이미지 표준 편차.do_normalize가True로 설정된 경우에만 효과가 있습니다. - do_pad (
bool, kwargs, optional) — 이미지를 패딩할지 여부입니다. 패딩은 배치 내 가장 큰 크기로 수행하거나, 이미지마다 고정된 정사각형 크기로 수행합니다. 정확한 패딩 전략은 모델에 따라 달라집니다. - pad_size (
SizeDict, kwargs, 선택 사항) — 이미지를 패딩할 크기입니다. 전처리용으로 제공된 모든 이미지 크기보다 커야 합니다.pad_size가 제공되지 않으면, 배치 내 가장 큰 높이와 너비로 이미지가 패딩됩니다. - do_center_crop (
bool, kwargs, 선택) — 이미지를 중앙으로 크롭할지 여부. - data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) —ChannelDimension.FIRST만 지원됩니다. 느린 프로세서와의 호환성을 위해 추가되었습니다. - input_data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) — 입력 이미지의 채널 차원 형식입니다. 설정되지 않으면 입력 이미지에서 채널 차원 형식을 추론합니다. 다음 중 하나일 수 있습니다:"channels_first"또는ChannelDimension.FIRST: (num_channels, height, width) 형식의 이미지."channels_last"또는ChannelDimension.LAST: (height, width, num_channels) 형식의 이미지."none"또는ChannelDimension.NONE: (height, width) 형식의 이미지.
- device (
Annotated[Union[str, torch.device, NoneType], None], kwargs) — 동영상을 처리할 장치입니다. 설정되지 않은 경우, 입력 동영상에서 장치를 추론합니다. - return_tensors (
Annotated[str | ~utils.generic.TensorType | None, None], kwargs) —'pt'로 설정된 경우 스택된 텐서를 반환하고, 그렇지 않으면 텐서 목록을 반환합니다. - disable_grouping (
bool, kwargs, 선택 사항) — 이미지를 크기에 따라 그룹화하는 것을 비활성화하여 배치 대신 개별적으로 처리할지 여부입니다. None인 경우, 이미지가 CPU에 있으면 True, 그렇지 않으면 False로 설정됩니다. 이 선택은 https://github.com/huggingface/transformers/pull/38157에 자세히 설명된 경험적 관찰에 기반합니다. - image_seq_length (
int, kwargs, 선택 사항) — 입력에서 각 이미지에 사용할 이미지 토큰의 수입니다. 하위 호환성을 위해 추가되었지만, 향후 모델에서는 프로세서 속성으로 설정해야 합니다. - ignore_index (
int, kwargs, 선택 사항) — 분할 맵에서 배경 픽셀에 할당할 라벨입니다. 지정된 경우, 0(배경)으로 표시된 분할 맵 픽셀은ignore_index로 대체됩니다. - do_reduce_labels (
bool, kwargs, 선택 사항, 기본값False) — 세그멘테이션 맵의 모든 라벨 값을 1만큼 줄일지 여부입니다. 일반적으로 배경에 0이 사용되고, 배경 자체가 데이터셋의 모든 클래스에 포함되지 않는 데이터셋(예: ADE20k)에서 사용됩니다. 배경 라벨은ignore_index로 대체됩니다. - num_labels (
int, kwargs, 선택 사항) — 세그멘테이션 맵에 포함된 라벨의 수입니다. - size_divisor (
int, kwargs, 선택 사항, 기본값32) — 일부 backbone은 특정 숫자로 나누어 떨어지는 이미지가 필요합니다. 값을 전달하지 않으면 Swin Transformer에서 사용된 값이 기본값으로 적용됩니다.
반환값
~image_processing_base.BatchFeature
- data (
dict) — call 메서드가 반환하는 리스트/배열/텐서 딕셔너리(‘pixel_values’ 등). - tensor_type (
Union[None, str, TensorType], 선택 사항) — 초기화 시 PyTorch/Numpy 텐서에서 정수 목록을 변환하려면 여기에 tensor_type를 지정할 수 있습니다.
post_process_semantic_segmentation
< source >( outputstarget_sizes: list[tuple[int, int]] | None = Nonereturn_segmentation_scores: bool = False ) → list[torch.Tensor] or list[SemanticSegmentationPostProcessorOutput]
매개변수
- outputs (Mask2FormerForUniversalSegmentation) — 모델의 원시 출력입니다.
- target_sizes (
list[tuple[int, int]], 선택 사항) — (batch_size) 길이의 리스트로, 각 리스트 항목(tuple[int, int]])은 각 예측의 요청된 최종 크기(height, width)에 해당합니다. None으로 두면 예측 결과가 리사이즈되지 않습니다. - return_segmentation_scores (
bool, 선택 사항, 기본값False) — 분할 맵과 함께 분할 점수를 반환할지 여부입니다.True인 경우, 반환된 리스트의 각 요소는SemanticSegmentationPostProcessorOutput이며,segmentation필드(클래스 ID, shape(height, width))와segmentation_scores필드(shape(num_classes, height, width))를 포함합니다.
반환값
list[torch.Tensor] 또는 list[SemanticSegmentationPostProcessorOutput]
return_segmentation_scores=False(기본값)인 경우, 각 항목이 클래스 ID를 가진 (height, width) 형태의 분할 맵인 길이 batch_size의 리스트를 반환합니다. return_segmentation_scores=True인 경우, segmentation(클래스 ID, 형태 (height, width))와 segmentation_scores(형태 (num_classes, height, width)) 필드를 가진 SemanticSegmentationPostProcessorOutput의 리스트를 반환합니다. 두 경우 모두 (height, width)는 대상 크기(target_sizes가 지정된 경우)에 해당합니다.
Mask2FormerForUniversalSegmentation의 출력을 의미 분할 맵으로 변환합니다. PyTorch만 지원합니다.
post_process_instance_segmentation
< source >( outputsthreshold: float = 0.5mask_threshold: float = 0.5overlap_mask_area_threshold: float = 0.8target_sizes: list[tuple[int, int]] | None = Nonereturn_coco_annotation: bool | None = Falsereturn_binary_maps: bool | None = False ) → List[Dict]
매개변수
- outputs (Mask2FormerForUniversalSegmentation) — 모델의 원시 출력입니다.
- threshold (
float, 선택 사항, 기본값 0.5) — 예측된 인스턴스 마스크를 유지할 확률 점수 임계값입니다. - mask_threshold (
float, 선택 사항, 기본값 0.5) — 예측된 마스크를 이진 값으로 변환할 때 사용할 임계값. - overlap_mask_area_threshold (
float, 선택 사항, 기본값 0.8) — 각 바이너리 인스턴스 마스크 내에서 작은 분리된 부분을 병합하거나 제거하기 위한 오버랩 마스크 영역 임계값입니다. - target_sizes (
List[Tuple], 선택 사항) — (batch_size) 길이의 리스트로, 각 리스트 항목(Tuple[int, int]])은 각 예측에 대해 요청된 최종 크기(높이, 너비)에 해당합니다. None으로 두면 예측 결과가 리사이즈되지 않습니다. - return_coco_annotation (
bool, 선택, 기본값False) —True로 설정하면, 분할 맵이 COCO run-length encoding(RLE) 형식으로 반환됩니다. - return_binary_maps (
bool, 선택 사항, 기본값False) —True로 설정하면, 분할 맵이 바이너리 분할 맵의 연결된 텐서로 반환됩니다(감지된 인스턴스당 하나씩).
반환값
List[Dict]
이미지별로 하나씩 포함된 딕셔너리 목록이며, 각 딕셔너리에는 두 개의 키가 포함됩니다:
- segmentation — 각 픽셀이
segment_id를 나타내는(height, width)형태의 텐서, 또는 return_coco_annotation이True로 설정된 경우 분할 맵의List[List]run-length encoding (RLE), 또는 return_binary_maps가True로 설정된 경우(num_instances, height, width)형태의 텐서입니다.threshold보다 높은 마스크가 발견되지 않으면None으로 설정됩니다. - segments_info — 각 세그먼트에 대한 추가 정보를 포함하는 딕셔너리입니다.
- id —
segment_id을 나타내는 정수입니다. - label_id —
segment_id에 해당하는 라벨/의미 클래스 id를 나타내는 정수입니다. - score —
segment_id를 가진 세그먼트의 예측 점수.
- id —
Mask2FormerForUniversalSegmentationOutput의 출력을 인스턴스 분할 예측으로 변환합니다.
PyTorch만 지원합니다. 인스턴스가 겹칠 수 있는 경우, 올바른 분할 결과를 얻으려면 return_coco_annotation 또는 return_binary_maps 중 하나를 True로 설정하세요.
post_process_panoptic_segmentation
< source >( outputsthreshold: float = 0.5mask_threshold: float = 0.5overlap_mask_area_threshold: float = 0.8label_ids_to_fuse: set[int] | None = Nonetarget_sizes: list[tuple[int, int]] | None = None ) → List[Dict]
매개변수
- outputs (
Mask2FormerForUniversalSegmentationOutput) — Mask2FormerForUniversalSegmentation의 출력입니다. - threshold (
float, 선택 사항, 기본값 0.5) — 예측된 인스턴스 마스크를 유지할 확률 점수 임계값입니다. - mask_threshold (
float, 선택 사항, 기본값 0.5) — 예측된 마스크를 이진 값으로 변환할 때 사용할 임계값. - overlap_mask_area_threshold (
float, 선택 사항, 기본값 0.8) — 각 바이너리 인스턴스 마스크 내에서 작은 분리된 부분을 병합하거나 제거하기 위한 오버랩 마스크 영역 임계값입니다. - label_ids_to_fuse (
Set[int], 선택 사항) — 이 상태의 레이블은 모든 인스턴스가 하나로 병합됩니다. 예를 들어 이미지에는 하늘이 하나만 있을 수 있지만 사람은 여러 명 있을 수 있으므로, 하늘의 레이블 ID는 해당 세트에 포함되지만 사람의 레이블 ID는 포함되지 않습니다. - target_sizes (
List[Tuple], 선택 사항) — batch_size 길이의 리스트로, 각 리스트 항목(Tuple[int, int]])은 배치 내 각 예측의 요청된 최종 크기(높이, 너비)에 해당합니다. None으로 두면 예측 이미지가 리사이즈되지 않습니다.
반환값
List[Dict]
이미지별로 하나씩 포함된 딕셔너리 목록이며, 각 딕셔너리에는 두 개의 키가 포함됩니다:
- segmentation — 각 픽셀이
segment_id를 나타내는(height, width)형태의 텐서.threshold보다 큰 마스크가 없으면None으로 설정됩니다.target_sizes가 지정된 경우, segmentation은 해당target_sizes항목으로 리사이즈됩니다. - segments_info — 각 세그먼트에 대한 추가 정보를 포함하는 딕셔너리.
- id —
segment_id을 나타내는 정수입니다. - label_id —
segment_id에 해당하는 라벨/의미 클래스 id를 나타내는 정수입니다. - was_fused —
label_id가label_ids_to_fuse에 포함되면True, 그렇지 않으면False인 boolean 값입니다. 동일한 클래스/라벨의 여러 인스턴스가 병합되어 단일segment_id가 할당되었습니다. - score —
segment_id를 가진 세그먼트의 예측 점수.
- id —
Mask2FormerForUniversalSegmentationOutput의 출력을 이미지 판옵틱 세분화 예측으로 변환합니다. PyTorch만 지원합니다.
Mask2FormerImageProcessorPil
class transformers.Mask2FormerImageProcessorPil
< source >( **kwargs: *<class 'transformers.models.mask2former.image_processing_pil_mask2former.Mask2FormerImageProcessorKwargs'> )
preprocess
< source >( images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']]segmentation_maps: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor'], NoneType] = Noneinstance_id_to_semantic_id: list[dict[int, int]] | dict[int, int] | None = None**kwargs: *<class 'transformers.models.mask2former.image_processing_pil_mask2former.Mask2FormerImageProcessorKwargs'> ) → ~image_processing_base.BatchFeature
매개변수
- images (
Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]]) — 전처리할 이미지. 픽셀 값이 0에서 255 범위로 이루어진 단일 이미지 또는 배치 이미지를 기대합니다. 픽셀 값이 0에서 1 사이인 이미지를 전달하는 경우do_rescale=False로 설정하세요. - segmentation_maps (
ImageInput, 선택 사항) — 세그멘테이션 맵입니다. - instance_id_to_semantic_id (
Union[list[dict[int, int]], dict[int, int]], 선택) — 인스턴스 ID에서 의미론적 ID로 매핑합니다. - do_convert_rgb (
bool, kwargs, 선택 사항) — 이미지를 RGB로 변환할지 여부입니다. - do_resize (
bool, kwargs, 선택) — 이미지를 리사이즈할지 여부. - size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) — 모델의 최대 입력 차원을 설명합니다. - default_to_square (
bool, kwargs, 선택 사항) — size가 int인 경우 리사이즈 시 정사각형 이미지로 기본 설정할지 여부. - crop_size (
Annotated[int | list[int] | tuple[int, ...] | dict[str, int] | None, None], kwargs) —center_crop을 적용한 후 출력 이미지의 크기. - resample (
Annotated[Union[int, PILImageResampling, NoneType], None], kwargs) — 이미지를 리사이즈할 경우 사용할 리샘플링 필터입니다. 이는PILImageResamplingenum 중 하나일 수 있습니다.do_resize가True로 설정된 경우에만 효과가 있습니다. - do_rescale (
bool, kwargs, 선택 사항) — 이미지를 다시 스케일링할지 여부입니다. - rescale_factor (
float, kwargs, optional) —do_rescale이True로 설정된 경우 이미지를 리스케일하기 위한 리스케일 팩터입니다. - do_normalize (
bool, kwargs, optional) — 이미지를 정규화할지 여부. - image_mean (
Union[float, list[float], tuple[float, ...]], kwargs, 선택) — 정규화에 사용할 이미지 평균입니다.do_normalize가True로 설정된 경우에만 효과가 있습니다. - image_std (
Union[float, list[float], tuple[float, ...]], kwargs, 선택) — 정규화에 사용할 이미지 표준 편차.do_normalize가True로 설정된 경우에만 효과가 있습니다. - do_pad (
bool, kwargs, optional) — 이미지를 패딩할지 여부입니다. 패딩은 배치 내 가장 큰 크기로 수행하거나, 이미지마다 고정된 정사각형 크기로 수행합니다. 정확한 패딩 전략은 모델에 따라 달라집니다. - pad_size (
SizeDict, kwargs, 선택 사항) — 이미지를 패딩할 크기입니다. 전처리용으로 제공된 모든 이미지 크기보다 커야 합니다.pad_size가 제공되지 않으면, 배치 내 가장 큰 높이와 너비로 이미지가 패딩됩니다. - do_center_crop (
bool, kwargs, 선택) — 이미지를 중앙으로 크롭할지 여부. - data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) —ChannelDimension.FIRST만 지원됩니다. 느린 프로세서와의 호환성을 위해 추가되었습니다. - input_data_format (
Union[str, ~image_utils.ChannelDimension], kwargs, 선택 사항) — 입력 이미지의 채널 차원 형식입니다. 설정되지 않으면 입력 이미지에서 채널 차원 형식을 추론합니다. 다음 중 하나일 수 있습니다:"channels_first"또는ChannelDimension.FIRST: (num_channels, height, width) 형식의 이미지."channels_last"또는ChannelDimension.LAST: (height, width, num_channels) 형식의 이미지."none"또는ChannelDimension.NONE: (height, width) 형식의 이미지.
- device (
Annotated[Union[str, torch.device, NoneType], None], kwargs) — 동영상을 처리할 장치입니다. 설정되지 않은 경우, 입력 동영상에서 장치를 추론합니다. - return_tensors (
Annotated[str | ~utils.generic.TensorType | None, None], kwargs) —'pt'로 설정된 경우 스택된 텐서를 반환하고, 그렇지 않으면 텐서 목록을 반환합니다. - disable_grouping (
bool, kwargs, 선택 사항) — 이미지를 크기에 따라 그룹화하는 것을 비활성화하여 배치 대신 개별적으로 처리할지 여부입니다. None인 경우, 이미지가 CPU에 있으면 True, 그렇지 않으면 False로 설정됩니다. 이 선택은 https://github.com/huggingface/transformers/pull/38157에 자세히 설명된 경험적 관찰에 기반합니다. - image_seq_length (
int, kwargs, 선택 사항) — 입력에서 각 이미지에 사용할 이미지 토큰의 수입니다. 하위 호환성을 위해 추가되었지만, 향후 모델에서는 프로세서 속성으로 설정해야 합니다. - ignore_index (
int, kwargs, 선택 사항) — 분할 맵에서 배경 픽셀에 할당할 라벨입니다. 지정된 경우, 0(배경)으로 표시된 분할 맵 픽셀은ignore_index로 대체됩니다. - do_reduce_labels (
bool, kwargs, 선택 사항, 기본값False) — 세그멘테이션 맵의 모든 라벨 값을 1만큼 줄일지 여부입니다. 일반적으로 배경에 0이 사용되고, 배경 자체가 데이터셋의 모든 클래스에 포함되지 않는 데이터셋(예: ADE20k)에서 사용됩니다. 배경 라벨은ignore_index로 대체됩니다. - num_labels (
int, kwargs, 선택 사항) — 세그멘테이션 맵에 포함된 라벨의 수입니다. - size_divisor (
int, kwargs, 선택 사항, 기본값32) — 일부 backbone은 특정 숫자로 나누어 떨어지는 이미지가 필요합니다. 값을 전달하지 않으면 Swin Transformer에서 사용된 값이 기본값으로 적용됩니다.
반환값
~image_processing_base.BatchFeature
- data (
dict) — call 메서드가 반환하는 리스트/배열/텐서 딕셔너리(‘pixel_values’ 등). - tensor_type (
Union[None, str, TensorType], 선택 사항) — 초기화 시 PyTorch/Numpy 텐서에서 정수 목록을 변환하려면 여기에 tensor_type를 지정할 수 있습니다.
post_process_semantic_segmentation
< source >( outputstarget_sizes: list[tuple[int, int]] | None = Nonereturn_segmentation_scores: bool = False ) → list[torch.Tensor] or list[SemanticSegmentationPostProcessorOutput]
매개변수
- outputs (Mask2FormerForUniversalSegmentation) — 모델의 원시 출력입니다.
- target_sizes (
list[tuple[int, int]], 선택 사항) — (batch_size) 길이의 리스트로, 각 리스트 항목(tuple[int, int]])은 각 예측의 요청된 최종 크기(height, width)에 해당합니다. None으로 두면 예측 결과가 리사이즈되지 않습니다. - return_segmentation_scores (
bool, 선택 사항, 기본값False) — 분할 맵과 함께 분할 점수를 반환할지 여부입니다.True인 경우, 반환된 리스트의 각 요소는SemanticSegmentationPostProcessorOutput이며,segmentation필드(클래스 ID, shape(height, width))와segmentation_scores필드(shape(num_classes, height, width))를 포함합니다.
반환값
list[torch.Tensor] 또는 list[SemanticSegmentationPostProcessorOutput]
return_segmentation_scores=False(기본값)인 경우, 각 항목이 클래스 ID를 가진 (height, width) 형태의 분할 맵인 길이 batch_size의 리스트를 반환합니다. return_segmentation_scores=True인 경우, segmentation(클래스 ID, 형태 (height, width))와 segmentation_scores(형태 (num_classes, height, width)) 필드를 가진 SemanticSegmentationPostProcessorOutput의 리스트를 반환합니다. 두 경우 모두 (height, width)는 대상 크기(target_sizes가 지정된 경우)에 해당합니다.
Mask2FormerForUniversalSegmentation의 출력을 의미 분할 맵으로 변환합니다. PyTorch만 지원합니다.
post_process_instance_segmentation
< source >( outputsthreshold: float = 0.5mask_threshold: float = 0.5overlap_mask_area_threshold: float = 0.8target_sizes: list[tuple[int, int]] | None = Nonereturn_coco_annotation: bool | None = Falsereturn_binary_maps: bool | None = False ) → List[Dict]
매개변수
- outputs (Mask2FormerForUniversalSegmentation) — 모델의 원시 출력입니다.
- threshold (
float, 선택 사항, 기본값 0.5) — 예측된 인스턴스 마스크를 유지할 확률 점수 임계값입니다. - mask_threshold (
float, 선택 사항, 기본값 0.5) — 예측된 마스크를 이진 값으로 변환할 때 사용할 임계값. - overlap_mask_area_threshold (
float, 선택 사항, 기본값 0.8) — 각 바이너리 인스턴스 마스크 내에서 작은 분리된 부분을 병합하거나 제거하기 위한 오버랩 마스크 영역 임계값입니다. - target_sizes (
List[Tuple], 선택 사항) — (batch_size) 길이의 리스트로, 각 리스트 항목(Tuple[int, int]])은 각 예측에 대해 요청된 최종 크기(높이, 너비)에 해당합니다. None으로 두면 예측 결과가 리사이즈되지 않습니다. - return_coco_annotation (
bool, 선택, 기본값False) —True로 설정하면, 분할 맵이 COCO run-length encoding(RLE) 형식으로 반환됩니다. - return_binary_maps (
bool, 선택 사항, 기본값False) —True로 설정하면, 분할 맵이 바이너리 분할 맵의 연결된 텐서로 반환됩니다(감지된 인스턴스당 하나씩).
반환값
List[Dict]
이미지별로 하나씩 포함된 딕셔너리 목록이며, 각 딕셔너리에는 두 개의 키가 포함됩니다:
- segmentation — 각 픽셀이
segment_id를 나타내는(height, width)형태의 텐서, 또는 return_coco_annotation이True로 설정된 경우 분할 맵의List[List]run-length encoding (RLE), 또는 return_binary_maps가True로 설정된 경우(num_instances, height, width)형태의 텐서입니다.threshold보다 높은 마스크가 발견되지 않으면None으로 설정됩니다. - segments_info — 각 세그먼트에 대한 추가 정보를 포함하는 딕셔너리입니다.
- id —
segment_id을 나타내는 정수입니다. - label_id —
segment_id에 해당하는 라벨/의미 클래스 id를 나타내는 정수입니다. - score —
segment_id를 가진 세그먼트의 예측 점수.
- id —
Mask2FormerForUniversalSegmentationOutput의 출력을 인스턴스 분할 예측으로 변환합니다.
PyTorch만 지원합니다. 인스턴스가 겹칠 수 있는 경우, 올바른 분할 결과를 얻으려면 return_coco_annotation 또는 return_binary_maps 중 하나를 True로 설정하세요.
post_process_panoptic_segmentation
< source >( outputsthreshold: float = 0.5mask_threshold: float = 0.5overlap_mask_area_threshold: float = 0.8label_ids_to_fuse: set[int] | None = Nonetarget_sizes: list[tuple[int, int]] | None = None ) → List[Dict]
매개변수
- outputs (
Mask2FormerForUniversalSegmentationOutput) — Mask2FormerForUniversalSegmentation의 출력입니다. - threshold (
float, 선택 사항, 기본값 0.5) — 예측된 인스턴스 마스크를 유지할 확률 점수 임계값입니다. - mask_threshold (
float, 선택 사항, 기본값 0.5) — 예측된 마스크를 이진 값으로 변환할 때 사용할 임계값. - overlap_mask_area_threshold (
float, 선택 사항, 기본값 0.8) — 각 바이너리 인스턴스 마스크 내에서 작은 분리된 부분을 병합하거나 제거하기 위한 오버랩 마스크 영역 임계값입니다. - label_ids_to_fuse (
Set[int], 선택 사항) — 이 상태의 레이블은 모든 인스턴스가 하나로 병합됩니다. 예를 들어 이미지에는 하늘이 하나만 있을 수 있지만 사람은 여러 명 있을 수 있으므로, 하늘의 레이블 ID는 해당 세트에 포함되지만 사람의 레이블 ID는 포함되지 않습니다. - target_sizes (
List[Tuple], 선택 사항) — batch_size 길이의 리스트로, 각 리스트 항목(Tuple[int, int]])은 배치 내 각 예측의 요청된 최종 크기(높이, 너비)에 해당합니다. None으로 두면 예측 이미지가 리사이즈되지 않습니다.
반환값
List[Dict]
이미지별로 하나씩 포함된 딕셔너리 목록이며, 각 딕셔너리에는 두 개의 키가 포함됩니다:
- segmentation — 각 픽셀이
segment_id를 나타내는(height, width)형태의 텐서.threshold보다 큰 마스크가 없으면None으로 설정됩니다.target_sizes가 지정된 경우, segmentation은 해당target_sizes항목으로 리사이즈됩니다. - segments_info — 각 세그먼트에 대한 추가 정보를 포함하는 딕셔너리.
- id —
segment_id을 나타내는 정수입니다. - label_id —
segment_id에 해당하는 라벨/의미 클래스 id를 나타내는 정수입니다. - was_fused —
label_id가label_ids_to_fuse에 포함되면True, 그렇지 않으면False인 boolean 값입니다. 동일한 클래스/라벨의 여러 인스턴스가 병합되어 단일segment_id가 할당되었습니다. - score —
segment_id를 가진 세그먼트의 예측 점수.
- id —
Mask2FormerForUniversalSegmentationOutput의 출력을 이미지 판옵틱 세분화 예측으로 변환합니다. PyTorch만 지원합니다.