U

Upernet Swin Large

由 smp-hub 开发
基于Swin Transformer架构的UPerNet语义分割模型,适用于高精度图像分割任务
下载量 110
发布时间 : 4/12/2025

模型简介

该模型采用UPerNet架构结合Swin-Large作为编码器,专门用于语义分割任务,能够对图像中的每个像素进行分类识别。

模型特点

Swin Transformer骨干网络
采用先进的Swin-Large作为编码器,具有强大的特征提取能力
UPerNet解码器架构
使用UPerNet作为解码器,有效整合多尺度特征信息
预训练支持
提供预训练权重,可直接用于推理或微调
高分辨率处理
支持512x512像素的输入分辨率

模型能力

图像语义分割
像素级分类
场景理解

使用案例

计算机视觉
场景解析
对复杂场景图像进行像素级语义分割
可识别150个不同类别
自动驾驶
用于道路场景理解,识别道路、车辆、行人等元素
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase