# 全景分割

Mask2Former 是一種基於 Transformer 的統一圖像分割模型，能夠處理實例分割、語義分割和全景分割任務。

基於Swin Transformer的通用圖像分割模型，統一處理實例/語義/全景分割任務

Mask2Former 是一種統一的圖像分割框架，能夠處理實例分割、語義分割和全景分割任務。該模型基於Swin-Tiny骨幹網絡，並在Cityscapes數據集上進行了語義分割任務的微調。

基於Swin骨幹網絡的Mask2Former小型版本，專為Cityscapes語義分割任務訓練

Mask2Former是基於Transformer架構的通用圖像分割模型，能夠處理實例分割、語義分割和全景分割任務。

基於Swin骨幹網絡的大規模版本，在ADE20k語義分割數據集上訓練的Mask2Former模型，採用統一範式處理圖像分割任務。

Mask2Former是一種通用的圖像分割模型，能夠處理實例分割、語義分割和全景分割任務，通過預測一組掩碼及其對應標籤來實現。

基於ADE20k數據集訓練的通用圖像分割模型，採用統一框架處理實例/語義/全景分割任務

基於Swin大型骨幹網絡在ADE20k全景分割數據集上訓練的Mask2Former模型，採用統一範式處理實例分割、語義分割和全景分割任務。

基於Swin骨幹網絡的Mask2Former大尺寸版本，專為全景分割任務設計，在Mapillary Vistas數據集上訓練

基於Swin骨幹網絡的大規模Mask2Former模型，專為通用圖像分割任務設計，統一處理實例分割、語義分割和全景分割。

基於Swin骨幹網絡的大尺寸Mask2Former模型，專為Cityscapes語義分割任務訓練，採用統一架構處理多種圖像分割任務。

基於Swin骨幹網絡的小型Mask2Former模型，專為Cityscapes數據集的全景分割任務優化

基於Swin骨幹網絡的Mask2Former模型，專門針對Cityscapes數據集的全景分割任務進行優化訓練

基於Swin-Tiny骨幹網絡的Mask2Former模型，專為城市景觀全景分割任務優化

Mask2Former是基於Transformer的統一圖像分割模型，支持實例分割、語義分割和全景分割任務，採用掩碼注意力機制提升性能

基於Swin骨幹網絡的Mask2Former小規模版本，專為COCO數據集全景分割任務優化

基於Swin骨幹網絡的Mask2Former大型版本，專為COCO數據集全景分割任務訓練的統一圖像分割模型

基於Swin骨幹網絡的Mask2Former模型，在COCO全景分割數據集上訓練，採用統一範式處理實例分割、語義分割和全景分割任務。

統一圖像分割的單一Transformer架構，支持語義分割、實例分割和全景分割三大任務

首個多任務通用圖像分割框架，單一模型支持語義/實例/全景分割任務

基於Swin骨幹網絡、在COCO數據集上訓練的全景分割模型，統一處理實例/語義/全景分割任務

基於Swin骨幹網絡的小型MaskFormer模型，在COCO數據集上訓練，用於全景分割任務。

DETR是基於Transformer架構的端到端目標檢測模型，採用ResNet-50作為骨幹網絡，在COCO數據集上訓練，支持目標檢測和全景分割任務。

基於COCO數據集訓練的全景分割模型，採用統一範式處理實例/語義/全景分割任務

DETR是一個結合卷積神經網絡和Transformer架構的端到端目標檢測模型，支持全景分割任務。

DETR是一個結合卷積神經網絡與Transformer的端到端目標檢測模型，支持全景分割任務。

基於Swin骨幹網絡的大規模MaskFormer模型，統一處理實例/語義/全景分割任務