UperNet结合Swin Transformer大型骨干网络

UperNet是一种用于语义分割的框架，采用Swin Transformer作为骨干网络。该框架最初由Xiao等人在论文《统一感知解析用于场景理解》中提出。

将UperNet与Swin Transformer骨干网络相结合的方案，源自论文《Swin Transformer：基于移位窗口的分层视觉Transformer》。

免责声明：发布UperNet+Swin Transformer的团队未提供模型卡片，本卡片由Hugging Face团队撰写。

模型描述

UperNet是一个语义分割框架，包含三个核心组件：骨干网络、特征金字塔网络（FPN）和金字塔池化模块（PPM）。

该框架支持接入任何视觉骨干网络，能够实现像素级的语义标签预测。

适用范围与限制

本基础模型可用于语义分割任务。您可以在模型中心查找针对特定任务微调的不同骨干网络版本。

使用方法

具体代码示例请参阅官方文档。