openmmlab-分类知识

分类任务是图像的基础任务，也是相对较为简单的入手点

虽然简单和基础，但却是很重要，因为分类准确率的不断提高，使得我们看到堆叠的cnn对于图像特征提取的高效表征能力

正是由于对图像特征提取和表征能力的提升，才有了后续完成更复杂任务的尝试

下面就将知识用我自己的顺序大概总结：

1、早期网络以resnet为代表 

2、在经历了很多变体之后，有了NAS网络搜索，彻底放飞了超参数和模型结构，来到了自动深度学习

 

 

3、2020年来自nlp的transformers点燃了cv中的新里程，凭借更加强大的表征能力，在大数据任务中表现不断刷新。以上2ppt分别叙述了    qkv    注意力机制，还有后续的多头（其实就是堆叠）

vit太 强硬的从nlp转cv（虽然是作者刻意为之，凸显通用性），但swin transformer更适合

基于swin transformer的堆叠，使得精度提升 

4、convnext网络，在2022年成为了cnn的新阶段，但究竟是能继续强盛，还是《无间道》对于香港影坛一样只是最后的辉煌，拭目以待

 

5、 十年总结