language: zh license: mit tags:

• 视觉
• 图像分割 model_name: openmmlab/upernet-swin-tiny

UperNet（基于Swin Transformer微型骨干网络）

UperNet是一种语义分割框架，采用Swin Transformer作为骨干网络。该框架最初由Xiao等人在论文《统一感知解析实现场景理解》中提出。

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

免责声明：发布UperNet+Swin Transformer的团队未提供本模型卡片，当前内容由Hugging Face团队撰写。

模型描述

UperNet是专为语义分割设计的框架，包含三大核心组件：骨干网络、特征金字塔网络（FPN）以及金字塔池化模块（PPM）。

该框架支持适配各类视觉骨干网络，能够实现像素级语义标签预测。

应用场景与限制

本基础模型可直接用于语义分割任务。如需获取针对特定任务微调的版本（含不同骨干网络），请查阅模型中心。

使用方式

具体代码示例请参阅官方文档。