Upernet Convnext Base

🚀 UperNet，基于ConvNeXt基础尺寸主干网络

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

将UperNet与ConvNeXt主干网络相结合的方法在论文A ConvNet for the 2020s中被引入。

声明：发布UperNet + ConvNeXt的团队并未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。

✨ 主要特性

• UperNet是一个语义分割框架，由主干网络、特征金字塔网络（FPN）和金字塔池化模块（PPM）等多个组件组成。
• 任何视觉主干网络都可以接入UperNet框架，该框架能够为每个像素预测一个语义标签。

📚 详细文档

模型描述

UperNet是用于语义分割的框架，它包含多个组件，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，该框架会为每个像素预测一个语义标签。

预期用途和限制

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的版本（使用各种主干网络）。

使用方法

有关代码示例，请参考文档。

📄 许可证

本模型采用MIT许可证。