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