transformer 图像分割

Transformer图像分割是一种使用Vision Transformer模型的方法。该方法将图像分割成小块，并将这些小块作为输入tokens嵌入到Transformers编码器中。然后，由Transformers解码器将编码器生成的上下文化tokens序列上采样为逐像素的类分数。在解码过程中，可以使用简单的逐点线性映射的patch嵌入到类分数，或者使用基于Transformer的解码方案，其中可学习的类嵌入与patch tokens一起处理以生成类掩码。这种方法通过对模型正则化、模型大小、输入patch大小以及精度和性能之间的权衡进行广泛的研究，来实现图像分割任务。 <span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [用Transformer进行图像语义分割，性能超最先进的卷积方法！](https://blog.csdn.net/QbitAI/article/details/117094238)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [图像分割（二）—— Segmenter: Transformer for Semantic Segmentation](https://blog.csdn.net/qq_42208244/article/details/126813810)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]