Upernet Swin Tiny

🚀 UperNet，Swin Transformer 微小尺寸主幹網絡

UperNet 是用於語義分割的框架，採用了 Swin Transformer 主幹網絡。UperNet 由 Xiao 等人在論文 Unified Perceptual Parsing for Scene Understanding 中提出。

將 UperNet 與 Swin Transformer 主幹網絡相結合的方法在論文 Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 中被引入。

免責聲明：發佈 UperNet + Swin Transformer 的團隊並未為此模型撰寫模型卡片，此模型卡片由 Hugging Face 團隊編寫。

🚀 快速開始

你可以使用原始模型進行語義分割。請查看 模型中心，尋找針對你感興趣的任務進行微調後的版本（使用各種主幹網絡）。

如何使用

有關代碼示例，請參考 文檔。

✨ 主要特性

UperNet 是一個用於語義分割的框架。它由多個組件組成，包括主幹網絡、特徵金字塔網絡（FPN）和金字塔池化模塊（PPM）。

任何視覺主幹網絡都可以插入到 UperNet 框架中。該框架可以為每個像素預測一個語義標籤。

📚 詳細文檔

模型描述

UperNet 是用於語義分割的框架，它由主幹網絡、特徵金字塔網絡（FPN）和金字塔池化模塊（PPM）等多個組件構成。該框架支持接入任意視覺主幹網絡，並能為每個像素預測語義標籤。

預期用途和侷限性

可使用原始模型進行語義分割，你可在 模型中心 查找針對特定任務微調後的版本（使用不同主幹網絡）。

代碼示例

有關代碼示例，請參考 文檔。

📄 許可證

本項目採用 MIT 許可證。