![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Transformer系列
文章平均质量分 93
NewSuNess
积极,努力
展开
-
DETR:End-to-End Object Detection with Transformers
摘要第一句话,作者就阐明了我们使用的是一种新的思想,不同于以往的目标检测算法,作者将目标检测看做成集合预测的问题。由于思想的转变,该框架实际上真正做到了端到端的预测,在当前流行的目标检测算法里面,不管是one-stage的还是two-stage的算法,难免都要有其他的处理操作,比如nms的后处理,anchor base的网络等,他们都没有做到真正的端到端(在这里,我认为端到端其实可以理解为–给定一张输入的图片,模型能够直接输出完整的结果,而不再需要其他的后续操作)。原创 2022-10-11 14:26:37 · 1376 阅读 · 0 评论 -
Attention Is All You Need:Transformer论文阅读笔记
在主流的序列转录模型里面,一般使用的是encoder(编码)和decoder(解码)架构,目前性能最好的模型也是通过将注意力机制引入encoder和decoder中来实现的。作者在此提出了一个新的模型–Transformer,通过与现存的机器翻译模型对比来说明了当前模型的优点。事实证明,transformer不仅仅在语言翻译领域应用,在视觉方面也有了新的应用,后面的DETR就是以Transformer为基础架构得到的目标检测器。原创 2022-09-30 16:15:22 · 479 阅读 · 1 评论