SwinTransformer-Unet 语义分割pytorch代码、多尺度训练、多类别分割、包含预训练权重

Swin-Unet是一种基于Swin Transformer的卷积神经网络架构，专为图像分割任务设计。在深度学习领域，特别是计算机视觉，Swin-Unet结合了Transformer的全局信息处理能力和传统Unet的局部上下文捕获特性，提高了图像分割的精度，成为新的分割SOTA模型 【Unet结构：Unet是一种经典的图像分割网络，以其对称的U形结构著名。它结合了浅层特征（保留边缘信息）和深层特征（捕获全局语境），以实现像素级别的预测。Swin-Unet将Swin Transformer模块集成到Unet的每一层，增强了特征学习和信息传递的能力】 代码采用多尺度训练，即随机将图像缩放成指定size的0.5-1.5倍之间训练，为了加快训练，提供了预训练权重。在评估指标中，提供了iou系数用于评价模型性能，除此之外，还提供了混淆矩阵、recall、precision、global accuracy、pixel accuracy等指标验证模型 想要更换数据集的话，请参考readme文件