Vision Transformer & Swin Transformer

Vision Transformer

 

vit-b/16

 Swin Transformer

网络整体框架

Patch Merging

W-MSA

引入的目的是为了减少计算量,缺点是窗口之间无法进行信息交互。

 

Shifted Window

Relation postion bias

模型详细配置参数在这里插入图片描述

Vision Transformer和Swin Transformer是两种不同的视觉Transformer模型。Vision Transformer是一种将图像分割为大小相同的图像块,然后通过Transformer网络进行处理的模型。而Swin Transformer是一种层次化的Vision Transformer模型,它将图像分割为不同大小的窗口,每个窗口通过自注意力机制进行处理,窗口之间不进行信息交流。Swin Transformer相对于传统的Vision Transformer在性能上有所提升,并且在较小的计算量下取得了更好的效果。总而言之,Swin Transformer是一种对Vision Transformer进行改进的模型,具有更好的层次结构和性能优化。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [第6周学习:Vision Transformer &amp; Swin Transformer](https://blog.csdn.net/weixin_45351699/article/details/126418013)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [计算机视觉算法——Vision Transformer / Swin Transformer](https://blog.csdn.net/weixin_44580210/article/details/123773822)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值