UperNet, ConvNeXt尺寸为xlarge的骨干网络

UperNet是一个语义分割的框架，利用了ConvNeXt骨干网络。UperNet是由Xiao等人在 Unified Perceptual Parsing for Scene Understanding 论文中提出的。

将UperNet与ConvNeXt骨干网络相结合是在 A ConvNet for the 2020s 论文中引入的。

免责声明：发布UperNet + ConvNeXt的团队没有为该模型编写模型卡片，因此该模型卡片由Hugging Face团队编写。

模型描述

UperNet是一个语义分割的框架。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（具有不同的骨干网络）。

如何使用

有关代码示例，请参阅 documentation 。