- 1
- 2
- 3
- 4
- 5
Vision Transformer（ViT）详解
资料介绍
Vision Transformer（ViT）是2020年由Google团队提出的基于Transformer架构的计算机视觉模型，其核心创新在于将自然语言处理（NLP）领域的Transformer结构直接应用于图像识别任务，打破了传统卷积神经网络（CNN）在视觉领域的垄断地位。与CNN通过卷积核局部感知不同，ViT通过自注意力机制实现全局信息交互，在大规模数据集上展现出优异的性能和可扩展性。
ViT首先将输入图像分割为固定大小的非重叠 patches（如16×16像素）。假设输入图像尺寸为H×W×C（高度×宽度×通道数），patch大小为P×P，则每个patch的特征维度为P×P×C。将所有patch展平为一维向量后，通过线性投影层将其映射到维度为D的潜在空间，得到patch嵌入序列。数学表示如下：
设图像分块数量为N = (H/P)×(W/P)，则嵌入序列长度为N，每个元素维度为D。例如，224×224×3的图像使用16×16 patch时，N = (224/16)² = 196，每个patch的原始维度为16×16×3=768，通过线性层映射为D=768的嵌入向量。
部分文件列表
| 文件名 | 大小 |
| 1772255068Vision_Transformer（ViT）详解.docx | 16K |
最新上传
- 打赏
- 30日榜单
-
tangyu1 打赏1.00元 3天前
-
jjjjkkkkk 打赏1.00元 3天前
-
emlimei 打赏1.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
资料：低频功率放大器的设计.
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
资料：51单片机数字频率计
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
13573902396 打赏1.00元 3天前
-
21下载积分 打赏310.00元 3天前
用户：江岚
-
21下载积分 打赏310.00元 3天前
用户：潇潇江南
-
21下载积分 打赏60.00元 3天前
用户：他山之石可攻玉
-
21下载积分 打赏310.00元 3天前
用户：小猫做电路
-
21下载积分 打赏210.00元 3天前
用户：zhengdai
-
21下载积分 打赏210.00元 3天前
用户：w993263495
-
21下载积分 打赏10.00元 3天前
用户：烟雨
-
21下载积分 打赏60.00元 3天前
用户：gsy幸运
-
21下载积分 打赏70.00元 3天前
用户：铁蛋锅
-
21下载积分 打赏65.00元 3天前
用户：xzxbybd
-
21下载积分 打赏60.00元 3天前
用户：jh0355
-
21下载积分 打赏60.00元 3天前
用户：w178191520
-
21下载积分 打赏20.00元 3天前
用户：jh03551
-
21下载积分 打赏20.00元 3天前
用户：sun2152
-
21下载积分 打赏20.00元 3天前
用户：kk1957135547
-
21下载积分 打赏25.00元 3天前
用户：w1966891335
-
21下载积分 打赏20.00元 3天前
用户：xuzhen1
-
21下载积分 打赏15.00元 3天前
用户：x15580286248
-
21下载积分 打赏25.00元 3天前
用户：pcb
-
21下载积分 打赏20.00元 3天前
用户：bhacker
-
21下载积分 打赏15.00元 3天前
用户：liqiang9090
-
21下载积分 打赏25.00元 3天前
用户：有理想666
-
21下载积分 打赏15.00元 3天前
用户：godbox
-
21下载积分 打赏15.00元 3天前
用户：aetek
-
21下载积分 打赏5.00元 3天前
用户：mulanhk
-
21下载积分 打赏5.00元 3天前
用户：JuneLin61
全部评论(0)