CNN和Transformer创新结合，模型性能炸裂！

【CNN+Transformer】这个研究方向通过结合卷积神经网络（CNN）的局部特征提取能力和Transformer的全局上下文建模优势，旨在提升模型对数据的理解力。这一方向在图像处理、自然语言处理等多个领域展现出强大的应用潜力，特别是在需要同时考虑细节和整体信息的任务中。通过融合两种网络结构，研究者能够设计出更为高效和准确的模型，以解决传统单一网络结构难以处理的复杂问题。此研究方向的发展不仅推动了深度学习技术的进步，也为实际应用提供了更丰富的解决方案。近年来，无数的研究者们对CNN结合Transformer这个领域的进行了大量研究，并产出了大量的学术成果。

为了帮助大家全面掌握【CNN+Transformer】的方法并寻找创新点，本文总结了最近两年【CNN+Transformer】相关的18篇顶会顶刊研究成果，这些论文、来源、论文的代码都整理好了，希望能给各位的学术研究提供新的思路。

需要的同学扫码添加我

回复“CNN+Transformer18”即可全部领取

1、SCTNet: Single-Branch CNN with Transformer Semantic Information for Real-Time Segmentation

方法：

- SCTNet架构：提出了一种单分支卷积神经网络（CNN），该网络在训练时利用transformer作为语义分支来提取丰富的长距离上下文信息，而在推理时仅部署单分支CNN。

- CFBlock：设计了一种称为CFBlock（ConvFormer Block）的transformer-like CNN块，使用仅卷积操作模拟transformer块的结构，以学习transformer分支的语义信息。

- Semantic Information Alignment Module (SIAM)：提出了一种语义信息对齐模块，包括Backbone Feature Alignment (BFA)和Shared Decoder Head Alignment (SDHA)，用于在训练过程中对齐CNN和transformer的特征表示。

- 推理效率：在推理阶段，只部署单分支CNN，避免了双分支网络带来的额外计算开销，提高了推理速度。

- 损失函数：采用CWD Loss（Channel-Wise Distillation Loss）作为对齐损失，专注于语义信息的对齐而非空间信息。

创新点

- 单分支CNN与transformer的结合：SCTNet创新地将单分支CNN与训练时使用的transformer语义分支结合起来，既保持了推理时的高效率，又能够利用transformer捕获丰富的语义信息。

- CFBlock设计：CFBlock的设计允许CNN通过仅使用卷积操作来捕获与transformer相似的长距离上下文，这在实时语义分割领域是一个新颖的尝试。

- SIAM的引入：通过SIAM，SCTNet能够在训练时有效地对齐CNN和transformer的特征，确保了在推理时单分支CNN能够编码丰富的语义信息和空间细节。

- 推理速度与准确性的平衡：SCTNet在保持高推理速度的同时，通过创新的设计实现了与现有最先进方法相比更高的准确性，为实时语义分割领域提供了新的速度-准确性权衡。

2、AdaMCT: Adaptive Mixture of CNN-Transformer for Sequential Recommendation

方法：

- AdaMCT架构：提出了一种新颖的混合模型，结合了卷积神经网络（CNN）和Transformer，用于序列推荐（SR）。

- 局部全局依赖机制：通过结合局部卷积层和全局自注意力层，联合建模用户的长期和短期偏好。

- 自适应混合单元：设计了一种层级感知的自适应混合单元（AdaMCT），在不同层中解耦融合过程，提升表达能力，并自适应地聚合长期和短期偏好。

- Squeeze-Excitation Attention (SEAtt)：提出一种新型的注意力机制，用以替代softmax操作，允许同时考虑多个相关项目，增强模型表达能力。

- 嵌入模块：包含项目嵌入层和位置嵌入层，将项目ID转换为密集的潜在向量表示。

- 多堆叠的AdaMCT块：每个块包含全局注意力模块（Transformer）、局部卷积模块（CNN）和自适应混合单元。

- 输出层：使用交叉熵损失函数计算匹配概率，并通过两层前馈网络和softmax函数生成候选项目的全排名概率分布。

创新点

- 局部性和全局性的有效结合：AdaMCT通过将局部性偏好（通过CNN捕捉）和全局性偏好（通过Transformer捕捉）结合起来，更全面地建模用户的动态偏好。

- 自适应混合单元：提出了一种新颖的自适应机制，可以根据用户的个性化需求调整局部和全局依赖模块的混合重要性。

- Squeeze-Excitation Attention：提出了一种新的注意力机制，允许模型同时关注多个高度相关的项目，而不是像传统softmax那样只关注单一项目。

- 层级感知的个性化建模：AdaMCT的自适应混合单元是模块和层级感知的，能够为每个用户和每一层提供个性化的偏好表示。

- 跨多个数据集的有效性验证：在三个广泛使用的基准数据集上进行了广泛的实验，证明了所提出方法的有效性和效率。

- 模型参数和计算效率的优化：AdaMCT在保持性能的同时，具有较少的参数和更高的计算效率，这使得模型更适合实际部署，尤其是在资源受限的设备上。

3、Enriched CNN-Transformer Feature Aggregation Networks for Super-Resolution

方法

- 混合网络架构：提出了一种结合卷积神经网络（CNN）和Transformer的混合超分辨率（SR）网络，以聚合丰富的特征，包括CNN的局部特征和Transformer捕获的长距离多尺度依赖性。

- CNN分支：利用CNN分支来有效利用图像内部重复的局部信息，通过残差信道注意力模块（RCAB）提取特征。

- Transformer分支：基于标准的多头自注意力（MHSA）构建Transformer分支，并引入了跨尺度令牌注意力模块（CSTA），以利用不同尺度之间的信息。

- 特征融合：通过融合块（Fusion Block）在CNN和Transformer分支之间双向连接和聚合中间特征，以补充彼此的信息。

- 尾部模块：使用PixelShuffle操作和卷积层对聚合的特征进行上采样和重建，生成最终的超分辨率图像。

- 训练策略：使用ImageNet数据集进行训练，通过亚像素卷积神经网络进行特征提取，并采用L1损失函数进行网络优化。

创新点

- 跨尺度令牌注意力（CSTA）：提出了一种新颖的注意力机制，允许Transformer分支在不同尺度的令牌之间有效利用信息，通过通道分割和重排来生成多尺度令牌。

- CNN与Transformer的协同工作：设计了一种有效的混合架构，CNN分支和Transformer分支在特征提取过程中相互补充，通过中间特征的融合来增强特征表示。

- 特征融合策略：通过融合块实现了CNN和Transformer特征的双向信息交流，这种融合策略提高了特征的互补性，有助于提高最终的超分辨率性能。

- 无需位置嵌入：研究发现在SR任务中，位置信息的重要性降低，因此提出的网络没有使用位置嵌入，这减少了计算复杂性。

- 多尺度特征提取：通过CSTA模块有效地提取和利用了多尺度特征，这有助于恢复图像中的高频细节和纹理信息。

需要的同学扫码添加我

回复“CNN+Transformer18”即可全部领取