Loading

2022年2月6日
A ConvNet for the 2020论文阅读笔记
摘要： ConvNeXt 摘要 文章介绍道，视觉识别的 "Roaring 20s"始于ViT的引入，其迅速取代了卷积网络成为了最先进的图像分类模型。但最基本的ViT模型仅是被设计用来进行图像分类，难以应用于其他任务。而Swin Transformer的出现使得Transformer可以作为通用的骨干网络。然 阅读全文
posted @ 2022-02-06 19:20 脂环 阅读(173) 评论(0) 推荐(0) 编辑