语言: 中文
许可证: MIT
标签:

• 视觉
• 图像分割
  模型名称: openmmlab/upernet-convnext-xlarge

UperNet，基于ConvNeXt xlarge架构的骨干网络

UperNet是一种用于语义分割的框架，采用ConvNeXt作为骨干网络。UperNet最初由Xiao等人在论文《统一感知解析用于场景理解》（Unified Perceptual Parsing for Scene Understanding）中提出。

将UperNet与ConvNeXt骨干网络结合的方法则源自论文《面向2020年代的ConvNet》（A ConvNet for the 2020s）。

免责声明：发布UperNet + ConvNeXt的团队未为此模型编写模型卡片，故本卡片由Hugging Face团队撰写。

模型描述

UperNet是一个语义分割框架，包含多个组件，如骨干网络、特征金字塔网络（FPN）和金字塔池化模块（PPM）。

任何视觉骨干网络均可嵌入UperNet框架中。该框架能够预测每个像素的语义标签。

预期用途与限制

您可将原始模型用于语义分割任务。访问模型中心可查找针对特定任务微调的版本（含多种骨干网络）。

使用方法

代码示例请参阅文档。