使用MMDetection中的Mask2Former和X-Decoder训练自定义数据集及结果复现1. 引言1.1 研究背景实例分割是计算机视觉领域的重要任务，它要求模型不仅要检测图像中的对象，还要精确地分割出每个对象的像素级掩码。近年来，基于Transformer的模型在实例分割任务上取得了显著进展，其中Mask2Former和X-Decoder是两种具有代表性的先进模型。Mask2Former是一种基于Transformer的统一框架，能够处理各种分割任务（实例分割、语义分割和全景分割），而X-Decoder则是一个更通用的像素级理解框架，支持多任务学习。这两种模型在公开基准测试中都展示了卓越的性能。1.2 项目目标本项目的主要目标是：使用MMDetection框架中的Mask2Former和X-Decoder模型在自定义数据集上进行训练复现论文中的结果并生成详细的测试文档解决当前Mask2Former模型PQ(全景质量)指标超出正常范围(0-100)的问题对两种模型的性能进行对比分析1.3 技术栈概述本项目主要基于以下技术栈：Python: 主要编程语言Py