UperNet，ConvNeXt微型骨干

UperNet框架用于语义分割，利用ConvNeXt骨干。UperNet在 Unified Perceptual Parsing for Scene Understanding 论文中由Xiao等人提出。

UperNet结合ConvNeXt骨干是在 A ConvNet for the 2020s 论文中被引入的。

免责声明：发布UperNet + ConvNeXt的团队没有为此模型编写模型卡，因此这个模型卡是由Hugging Face团队编写的。

模型描述

UperNet是一个用于语义分割的框架。它由多个组件组成，包括骨干、特征金字塔网络（FPN）和金字塔池化模块（PPM）。

任何视觉骨干都可以插入到UperNet框架中。该框架预测每个像素的语义标签。

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 以寻找您感兴趣的任务上的微调版本（使用各种骨干）。

如何使用

有关代码示例，请参阅 documentation 。