原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
细粒度图像分类是计算机视觉研究的关键领域之一，具有重要的研究价值，其挑战
性在于处理的对象往往集中在同一领域，导致不同类别之间的数据特征极为相似。传统
的卷积神经网络特征提取方法，通常依赖于固定的卷积核大小和步长，这可能导致在提
取细粒度特征时缺乏足够的灵活性，且在全局信息提取上也存在明显的短板，使得分类
性能进一步提升受到了限制。因此，Transformer从一经问世就凭借其强大的全局建模能
力而备受关注，不仅进一步地提高了图像分类的准确率，还增强了模型的鲁棒性，使其
能够更好地应对各种复
文档评论（0）