U

Upernet Convnext Large

由smp-hub開發
基於ConvNeXt-Large編碼器的UPerNet語義分割模型,適用於ADE20K等場景解析任務
下載量 54
發布時間 : 4/12/2025

模型概述

這是一個使用ConvNeXt-Large作為編碼器的UPerNet架構語義分割模型,專門設計用於高精度的圖像語義分割任務,特別擅長處理複雜場景的解析。

模型特點

高性能編碼器
採用ConvNeXt-Large作為編碼器,提供強大的特徵提取能力
UPerNet架構
使用UPerNet解碼器結構,有效整合多尺度特徵
預訓練支持
提供預訓練權重,可直接用於推理或微調
簡單易用
與Albumentations庫集成,提供便捷的預處理流程

模型能力

圖像語義分割
場景解析
像素級分類

使用案例

計算機視覺
場景理解
對複雜場景進行像素級語義分割,識別不同物體和區域
在ADE20K數據集上表現良好
自動駕駛
用於道路場景解析,識別道路、車輛、行人等元素
遙感圖像分析
對衛星或航拍圖像進行地物分類和區域劃分
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase