百科问答小站 logo
百科问答小站 font logo



如何评价「Patches are all you need」? 第1页

  

user avatar   huo-hua-de-41 网友的相关建议: 
      

中国古人云,一图胜千言。意思就是说,要理解一张图像至少需要32乘32个patch,对于224 x 224的输入图像,那patch size就是7,与文中结论一致。

当计算机视觉科学家不断攀登山峰的时候,却发现中国的古代哲学家已经站在山顶等他们很久了。

我又一次被中国古人的智慧所折服,我准备写一篇Chinese philosophy is all you need

狗头


user avatar   xiaohuzc 网友的相关建议: 
      

这两篇论文的重点不太一样。

Demystifying Local Vision Transformer: Sparse Connectivity, Weight Sharing, and Dynamic Weight

这里核心是总结了local vision transformer的特点,swin核心是7*7的window attention,而换成7*7 depthwise conv也同样具备local vision transformer的特点,效果也是杠杠的。

Patches Are All You Need?

这篇论文,虽然套在了ViT架构上,从本质上看,就是去掉了CNN常用的downsample,变成了完全堆积stride=1卷积层了,这样也必须通过较大的kernel size弥补感受野。ViT设计patch是为了降低计算量,而且attention是全局建模的,但是卷积是局部建模的,论文也没有太明确这点,至于论文的题目,我觉得看论文很难得到这个点。


user avatar    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

  在计算资源有限的情况下,有什么深度学习的选题可以推荐/避免? 
  为什么 MobileNet、ShuffleNet 在理论上速度很快,工程上并没有特别大的提升? 
  人类目前最高科技能达到什么水平? 
  博士三年级没有成果,开始很讨厌做实验和写文章,该不该退学,找工作? 
  博士后真的不能评价所在领域教授的水平吗? 
  如何评价沐神他们写的《动手学深度学习》这本书? 
  因为科研没有成就感,对生活失去了兴趣怎么办? 
  如何看待清华大学不再将论文发表情况作为博士学位申请的硬性指标? 
  如何看待「公鼠怀孕实验引发伦理争议,论文作者称已申请撤稿」? 
  为什么有的科研人员要搞学术造假? 

前一个讨论
有哪些适合科研工作者的解压方式?
下一个讨论
在高校招生名额固定的情况下,生化环材劝退的意义是什么?





© 2025-05-28 - tinynew.org. All Rights Reserved.
© 2025-05-28 - tinynew.org. 保留所有权利