# 1024x1024高分辨率

Segment-Anything视觉变换器（SAM ViT）图像特征模型，仅包含特征提取和微调功能，不包含分割头。

该SegFormer模型在1024x1024分辨率下针对CityScapes数据集进行了微调，采用分层式Transformer编码器和轻量级全MLP解码头架构。