- 摘要
- 1 简介
- 2 相关工作
- 3 EdgeViTS
-
- 3.1 概述
- 3.2 局部-全局-局部瓶颈
- 3.3 架构
- 4 实验
-
- 4.1 ImageNet-1K上的图像分类
- 4.2 密集预测
- 5 结论
- 算法 1 EdgeViTs 构建块，类似 PyTorch 的代码
摘要
基于自我注意的模型，例如视觉转换器 (ViT)，已成为计算机视觉中卷积神经网络 (CNN) 的一种极具竞争力的架构替代方案。尽管越来越强大的变体具有越来越高的识别精度，但由于自我注意的二次复杂性，现有的 ViT 通常对计算和模型大小有要求。尽管先前 CNN 的几个成功的设计选择（例如，卷积和分层多级结构）已重
