Upernet Swin Base

🚀 UperNet，Swin Transformer基础尺寸主干网络

UperNet是用于语义分割的框架，采用了Swin Transformer主干网络。UperNet由Xiao等人在论文Unified Perceptual Parsing for Scene Understanding中提出。

将UperNet与Swin Transformer主干网络相结合的方法在论文Swin Transformer: Hierarchical Vision Transformer using Shifted Windows中被提出。

免责声明：发布UperNet + Swin Transformer的团队并未为该模型撰写模型卡片，此模型卡片由Hugging Face团队编写。

🚀 快速开始

你可以使用原始模型进行语义分割。请查看模型中心，寻找针对你感兴趣的任务进行微调后的版本（使用了各种主干网络）。

对于代码示例，请参考文档。

✨ 主要特性

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

任何视觉主干网络都可以接入UperNet框架。该框架可以为每个像素预测一个语义标签。

📄 许可证

本项目采用MIT许可证。