一、注意力机制
作用:让计算机关注到有价值的信息
self-attention:
WQ矩阵:要去查询的矩阵;WK矩阵:等待被查的矩阵;WV矩阵:实际的特征信息
通过Q与K的内积来表示有多匹配
multi-headed机制
归一化与残差连接
二、Vision Transformer(VIT)
架构图
Tranformer应用到CV领域的核心:将输入数据转换成一个个的Patch
CNN的最大问题:CNN中想要获得大的感受野,必须堆叠很多卷积层(有点麻烦,效果不一定好)
作用:让计算机关注到有价值的信息
self-attention:
WQ矩阵:要去查询的矩阵;WK矩阵:等待被查的矩阵;WV矩阵:实际的特征信息
通过Q与K的内积来表示有多匹配
multi-headed机制
归一化与残差连接
架构图
Tranformer应用到CV领域的核心:将输入数据转换成一个个的Patch
CNN的最大问题:CNN中想要获得大的感受野,必须堆叠很多卷积层(有点麻烦,效果不一定好)