language: zh license: mit tags:

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

UperNet，基于Swin Transformer骨干网络

UperNet是一种用于语义分割的框架，采用了Swin Transformer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》中提出。

将UperNet与Swin Transformer骨干网络结合的方法，则在论文《Swin Transformer：基于移位窗口的分层视觉Transformer》中首次提出。

免责声明：发布UperNet + Swin Transformer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，由多个组件构成，包括骨干网络、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不同骨干网络版本。

使用方法

代码示例请参阅文档。