Visformer: The Vision-friendly Transformer

Visformer是一种名为"Vision-friendly transformer"的新架构，它是基于transformer和基于卷积的模型之间的过渡。Visformer在相同的计算复杂度下，在图像分类精度方面优于传统的基于transformer和基于卷积的模型。特别是在模型复杂度较低或训练数据有限的情况下，Visformer的优势更加显著。