原文:
从卷积到变换:探讨ViT模型的进步
ViT模型与传统CNN模型的区别是什么
昵称26407850 阅77
Transformer靠什么''基因'',得以闯入CV界秒杀CNN?
taotao_2016 阅249 转2
DL之Attention:Attention注意力机制的简介、应用领域之详细攻略
处女座的程序猿 阅62
正面刚CNN,Transformer居然连犯错都像人类|细胞|序列|卷积|上下文|纹理
博采简纳 阅22
蒙纳士大学提出高效建模高低频信息的LITv2,在性能、FLOPs、吞吐量和显存消耗方面均优于现有Transformer结构!
我爱计算机视觉 阅30
深度学习|transformers的近期工作成果综述
智能信息 阅29 转2
ViT模型是如何优化图像处理的呢
微薇蔚葳 阅30
吴恩达:AI在2022年创造了这些奇迹
小飞侠cawdbof0 阅50
赛尔笔记 | Transformer及其变种
michael1314520 阅278 转2
GPT-4的32k输入框还是不够用?Unlimiformer把上下文长度拉到无限长
天承办公室 阅16
Vision Transformer 必读系列之图像分类综述(一): 概述
新用户0118F7lQ 阅1162 转4
基于注意力机制的铁路巡检视频场景分类方法研究
GXF360 阅36 转2
无需标注数据集,自监督注意力机制就能搞定目标跟踪
x_box361 阅103
后GPT书:从GPT-3开始,续写Transformer庞大家族系谱
2016xing 阅10
HEIF/heic图片文件解析
金刚光 阅983 转6
打破Transformer宿命,新秀VOLO开源!横扫CV多项记录,首个超越87%的模型
昵称73546223 阅78
重大里程碑!VOLO屠榜CV任务,无需额外数据,首次在ImageNet 上达到87.1%
黄爸爸好 阅88
H2.64中I帧和IDR帧的区别(转)
SamBookshelf 阅188 转3
用于大规模图像识别的转换器
雨夜的博客 阅8
首页
留言交流
联系我们
回顶部