UperNet, ConvNeXt基本尺寸骨干网络

UperNet是一种语义分割的框架，利用了ConvNeXt骨干网络。UperNet由Xiao等人在论文 Unified Perceptual Parsing for Scene Understanding 中提出。

将UperNet与ConvNeXt骨干网络结合在一起是在论文 A ConvNet for the 2020s 中介绍的。

免责声明：发布UperNet + ConvNeXt的团队未为此模型撰写模型卡，因此该模型卡由Hugging Face团队撰写。

模型描述

UperNet是一种用于语义分割的框架。它包括多个组件，包括骨干网络、特征金字塔网络（FPN）和金字塔池化模块（PPM）。

任何视觉骨干网络都可以插入UperNet框架中。该框架对每个像素预测一个语义标签。

预期用途和限制

您可以使用原始模型进行语义分割。请查看 model hub 以查找您感兴趣的任务的精调版本（具有各种骨干网络）。

如何使用

有关代码示例，请参阅 documentation 。