swin Transformer

Swin Transformer 是一种用于图像分类和目标检测任务的基于Transformer架构的模型。它在2021年被提出，相较于传统的Vision Transformer（ViT）模型，Swin Transformer 通过引入基于局部块的窗口注意力机制，减少了注意力机制参数数量，提高了计算和内存效率。Swin Transformer 在大规模图像分类任务和目标检测任务上取得了很好的性能，并且在一些标准数据集上超越了传统的卷积神经网络模型。