原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
计算机视觉;;视觉分类简介;视觉分类简介;视觉分类简介;视觉分类简介;ResNet简介;ResNet简介;ResNet简介;ResNet简介;Vision-Transformer简介;Transformer模块要求输入的是token序列，
即二维矩阵[num_token,token_dim]。
对于维度为[224，224，3]的输入图像，path为16*16，则图像切分维度变化为：
[224,224,3]-[14,14,768]-[196,768]
在图片序列输入Transformer前，需要添加可训练的[class]token,和positionembedding
拼接[class]token：Cat([1,768],[196,768])-[197,768]positionembedding:[197,768]-[197,768](通过逐元素相加实现）
;由上一步得到了[197,768]的图像嵌入之后，将其输入到由归一化层，多头注意力层，MLP所组成的Transformerblock中。L个Transformerblock堆叠形成TransformerEncoder。其中最核心的模块为多头注意力。
;Vision-Transformer简介;常用数据集简介;常用数据集简介;常用数据集简介;常用数据集简介;;目标检测简介;滑动窗口法;FasterR-CNN目标检测;FasterR-CNN目标检测;FasterR-CNN目标检测;FasterR-CNN目标检测;FasterR-CNN目标检测;YOLO目标检测;YOLO目标检测;YOLO目标检测;YOLO目标检测;YOLO目标检测;YOLO目标检测;YOLO目标检测;;目标跟踪简介;目标跟踪简介;目标跟踪简介;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪;目标跟踪数据集;目标跟踪数据集;谢谢！
文档评论（0）