关注"Smarter"，加"星标"置顶 及时获取最优质的CV内容 一、论文信息 标题：《Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspectivewith Transformers》 作者：Sixiao Zheng et al.（复旦大学 & 牛津大学 & 萨里大学 & 腾讯优图 & 脸书） 文章：arxi

目录 前言1. 模型的特点2. 模型结构2.1 Encoder2.2 Decoder 3. 思考与分析4. 下一步计划参考 前言 SETR是一篇CVPR2021的语义分割论文，论文将于语义分割视为Seq2Seq的预测任务，提出了一种解决语义分割问题的新思路。 1. 模型的特点 现有的语义分割模型大多都是基于FCN的Encoder-Decoder结构：Encoder用于学习图像

这里写目录标题 0.详情1. 摘要2. 引言2.1 原来的模型：FCN2.2 使用transformers2.3 主要贡献 3. 相关工作-语义分割模型发展3.1 以前基于FCN的改进3.2 基于transformer的改进 4. 方法4.1 基于FCN的语义分割4.2 SETR4.3 解码器设计 5 总结6.实验-复现 0.详情 名称：Rethinking Semantic S