百科问答小站 logo
百科问答小站 font logo



在计算机视觉任务中,运用Transformer和Non-local有何本质区别? 第1页

  

user avatar   shaohuali 网友的相关建议: 
      

3年后再看non-local NN,原来 non-local block = transformer layer (single head) - FFN - positional encoding啊!

[1] 证明了FFN(即MLP)的重要性。这可能解释了为什么几层Non-local layer叠起来提升不大。我自己的实验证明positional encoding对分割任务是有提升的。另外很多transformer for cv的paper都证明multi head表现的比single head更好。

[1] Attention is Not All You Need: Pure Attention Loses Rank Doubly Exponentially with Depth. arXiv:2103.03404.


user avatar   ai-hardcore 网友的相关建议: 
      

女王:求求题主放过我,我可不敢有什么政绩。。。




  

相关话题

  机器学习中如何识别图片中的手是手背还是手心? 
  2019年,计算机视觉领域,你推荐哪些综述性的文章? 
  机器学习中如何识别图片中的手是手背还是手心? 
  为什么nlp没有像cv四小龙一样的创业公司? 
  大三电子类专业要分流,大家能给个建议吗? 
  如何评价mixup: BEYOND EMPIRICAL RISK MINIMIZATION? 
  何恺明目前的学术成果是否够得上计算机视觉领域历史第一人? 
  PyTorch中在反向传播前为什么要手动将梯度清零? 
  如何理解 Swin Transformer 和 Vision Transformer不同任务上的差异? 
  cv/nlp等方向的就业困难是全球性的吗? 

前一个讨论
如果你是《了不起的盖茨比》中的盖茨比,且深爱着黛西,会如何优雅地追回她?
下一个讨论
电脑怎样执行编程语言的?





© 2025-05-25 - tinynew.org. All Rights Reserved.
© 2025-05-25 - tinynew.org. 保留所有权利