Facebook提出ResMLP：具有数据高效训练用于图像分类的前馈网络

本文提出MLP 视觉新方法，构建了一个超级简单的残差架构，其残差块由一个隐藏层的前馈网络和一个线性patch交互层组成！当采用现代的训练方法，则可以在ImageNet上实现意想不到的高性能！代码即将开源！

这一周MLP真热闹啊，看看近期的新工作：

注1：文末附【视觉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：

CVPR2021-Papers-with-Code
​
ResMLP: Feedforward networks for image classification with data-efficient training

• 作者单位：Facebook AI（有DETR作者之一）, 索邦大学, Inria
• 论文：https://arxiv.org/abs/2105.03404

我们提出了ResMLP，一种完全基于多层感知机(MLP)进行图像分类的体系结构。 它是一个简单的残差网络，它交替（i）线性层，其中图像 patches在通道之间独立且相同地交互；以及（ii）两层前馈网络，其中通道中的每个 patch独立地相互作用。