语言：中文
许可证：MIT
标签：

• 视觉
• 图像分割
  模型名称：openmmlab/upernet-swin-small

UperNet（基于Swin Transformer小型骨干网络）

UperNet是一个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骨干网络结合的方法源自论文《Swin Transformer：基于移位窗口的分层视觉Transformer》。

免责声明：发布UperNet+Swin Transformer的团队未提供该模型的说明卡片，本文档由Hugging Face团队撰写。

模型描述

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

该框架支持适配任意视觉骨干网络，能够实现像素级的语义标签预测。

应用场景与限制

您可直接使用该原始模型进行语义分割任务。如需针对特定任务获取微调版本（含不同骨干网络），请查阅模型库。

使用方法

代码示例详见官方文档。