UperNet，Swin Transformer迷你骨干

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

将UperNet与Swin Transformer骨干网络相结合是在《 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 》论文中介绍的。

声明：发布UperNet + Swin Transformer的团队没有为这个模型编写模型卡片，因此这个模型卡片是由Hugging Face团队撰写的。

模型描述

UperNet是一个语义分割的框架。它包括多个组件，包括一个骨干网络（backbone）、一个特征金字塔网络（FPN）和一个金字塔池化模块（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 》以寻找您感兴趣任务的精调版本（具有不同的骨干网络）。

使用方法

有关代码示例，请参阅《 documentation 》。