swin transformer中的token

在Swin Transformer中，token是指图像中的小块，类似于Vision Transformer中的patch。每个token代表图像中特定位置的信息，这个位置的尺寸是固定的，并且在不同层的Transformer block中保持相同的尺寸。 Swin Transformer通过这些token来进行全局的自注意力操作，并利用层次化构建方法来处理多尺寸特征信息。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [Swin-transformer详解](https://blog.csdn.net/BXD1314/article/details/129659124)[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: 100%"]
[ .reference_list ]