BEiT（基于ImageNet-22k进行细调的基准模型）
Updated 2024-09-25 15:00:16 +08:00
SegFormer是一种用于语义分割的框架，结合了分层Transformer编码器和轻量级的全连接多层感知机解码器。编码器避免了位置编码，适应不同测试分辨率，解码器通过融合不同层次信息生成分割掩码。在多个数据集上，SegFormer在效率和准确性上优于现有方法，展示了Transformer在语义分割任务中的潜力。
Updated 2024-09-25 14:13:05 +08:00
Updated 2024-09-24 17:08:48 +08:00
ViT是2020年Google团队提出的将Transformer应用在图像分类的模型，虽然不是第一篇将transformer应用在视觉任务的论文，但是因为其模型‘’简单”且效果好，可扩展性强（scalable，模型越大效果越好），成为了transformer在CV领域应用的里程碑著作，也引爆了后续相关研究。
Updated 2024-09-24 11:09:51 +08:00
谷歌bert chinese 模型
Updated 2024-09-20 10:15:25 +08:00
Updated 2024-09-20 10:08:32 +08:00
vit-gpt2-image-captioning
Updated 2024-09-20 10:08:31 +08:00