基于纯Transformer的图像分割网络

基于纯Transformer的图像分割网络是指使用Transformer作为backbone的语义分割模型。与传统的基于CNN的语义分割模型不同，纯Transformer的图像分割网络不需要使用卷积层，而是使用Transformer的自注意力机制来提取特征。其中，Swin-UNet是第一个纯Transformer结构的语义分割模型，它使用Swin Transformer作为backbone，并在UNet结构的基础上进行了改进。相比于传统的基于CNN的语义分割模型，基于纯Transformer的图像分割网络具有更好的可扩展性和更高的准确率。