# 1024x1024高分辨率

Segment-Anything視覺變換器（SAM ViT）圖像特徵模型，僅包含特徵提取和微調功能，不包含分割頭。

該SegFormer模型在1024x1024分辨率下針對CityScapes數據集進行了微調，採用分層式Transformer編碼器和輕量級全MLP解碼頭架構。