ai讲师人工智能讲师计算机视觉老师叶梓：计算机视觉领域的自监督学习模型——MAE-13

接上一篇

P28P30

实验效果-ViT模型的影响

n 性能惊艳： ImageNet-1K 最高 87.8% 。与当前 SOTA 自监督预训练方法相比，对于 ViT -B 的表现结果都很接近。对于 ViT -L 不同方法的结果就存在很大差距，这表明更大模型的挑战是减少过度拟合。

n 再看最后一列，仅使用 ImageNet-1K 数据时， ViT -Huge 模型的最高精确度为 87.8% ，这明显超过了所有在 ImageNet-21K 预训练的 ViT 变种模型。

实验效果-参数改变 

n 改变各种参数后的对比实验

实验效果-Mask方式的影响 

n Here each output is from an MAE trained with the specified masking strategy.

n Left: random sampling (our default).

n Middle: block-wise sampling that removes large random blocks.

n Right: grid-wise sampling that keeps one of every four patches.

 

 

---

以上为叶梓老师上课讲义，供有基础的朋友或者同行使用，未完，下一篇继续……