目标检测刷到58.7 AP(目前第一)!
实例分割刷到51.1 Mask AP(目前第一)!
语义分割在ADE20K上刷到53.5 mIoU(目前第一)!
性能优于DeiT、ViT和EfficientNet等主干网络,代码即将开源!
注1:文末附【Transformer】交流群
注2:整理不易,欢迎点赞,支持分享!
想看更多CVPR 2021论文和开源项目可以点击:
https://github.com/amusi/CVPR2021-Papers-with-Code
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
- 作者单位:微软亚洲研究院
- 代码:https://github.com/microsoft/Swin-Transformer
- 论文:https://arxiv.org/abs/2103.14030
本文介绍了一种称为Swin Transformer的新型视觉Transformer,它可以用作计算机视觉的通用backbone。在两个领域之间的差异,例如视觉实体尺度的巨大差异以及与文字中的单词相比,图像中像素的高分辨率,带来了使Transformer从语言适应视觉方面的挑