《SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers》 本文是将Transformer模型应用于语义分割任务的一个新的尝试，主要创新点如下： ● 使用分级的Transformer block设计，可以产生多种尺度的特征。 ● 使用重叠的patch融合策略，解决了各patch特征不连续问题。 ● 轻量级全MLP解码器设计，无需复杂和计算要求高的模块即可产生强大的表示。 ● 在三个公开可用的语义分割数据集的效率、准确性和鲁棒性方面创下了最新水平。