UperNet, Swin Transformer小尺寸骨干

UperNet是一个语义分割的框架，利用了Swin Transformer骨干。UperNet在Xiao等人的论文 Unified Perceptual Parsing for Scene Understanding 中被介绍。

将UperNet与Swin Transformer骨干结合介绍在 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 论文中。

免责声明：发布UperNet + Swin Transformer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是一个语义分割的框架。它包括多个组件，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。该框架对每个像素预测一个语义标签。

预期的用途和限制

您可以使用原始模型进行语义分割。查看 model hub 以寻找您感兴趣的任务上的精调版本（使用不同的骨干）。

如何使用

有关代码示例，请参阅 documentation 。