vision transformer原文
时间: 2023-08-25 07:05:32 浏览: 52
Vision Transformer的原文是《An Image is Worth 16x16 Words Transformers for Image Recognition at Scale》,作者介绍了一种使用Transformer模型进行图像分类任务的方法。他们通过将图像拆分成小的图块,将每个图块作为输入,并使用Transformer编码器来学习图像的表示。他们的实验结果表明,Vision Transformer在图像分类任务上取得了很好的性能,甚至超过了传统的卷积神经网络模型。 在该论文发表后不久,作者团队又发表了一篇名为《Scaling Vision Transformer》的论文,介绍了如何将Vision Transformer模型扩展到更大的规模,从而进一步提高图像分类的准确率。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [ViT(Vision Transformer)全文精读](https://blog.csdn.net/SeptemberH/article/details/123730336)[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 ]