Machine learning

Vision Transformer

Der Vision Transformer (ViT), eingeführt von Dosovitskiy und Kollegen im Jahr 2021, teilt ein Bild in Patches fester Größe auf, behandelt diese Patches als Sequenz und wendet den Transformer-Self-Attention-Mechanismus auf die Bildklassifizierung an. Bei ausreichend Trainingsdaten übertrifft er Convolutional Neural Networks (CNNs).

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Vision Transformer

Diffusion Model Generative Adversarial N…Random Forest Support Vector Machine (…Variationaler Autoencoder BERT-Feinabstimmung CLIP Domain-Adaptive Transfor…Domain-Adaptive Vision T…Erklärbarer Vision Trans…

+27 more

Quellen

Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR. link ↗
Touvron, H. et al. (2021). Training Data-Efficient Image Transformers. ICML. link ↗

So zitieren Sie diese Seite

ScholarGate. (2026, June 1). Vision Transformer (ViT). ScholarGate. https://scholargate.app/de/deep-learning/vision-transformer

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Diffusion ModelDeep Learning↔ compare
Generative Adversarial NetworkDeep Learning↔ compare
Random ForestMaschinelles Lernen↔ compare
Support Vector Machine (Klassifikation)Maschinelles Lernen↔ compare
Variationaler AutoencoderDeep Learning↔ compare

Compare side by side →

Referenziert von

BERT-Feinabstimmung CLIP Domain-Adaptive Transformer Domain-Adaptive Vision Transformer Erklärbarer Vision Transformer Feinabgestimmter Vision Transformer GPT-Feinabstimmung Bildklassifizierung Kolmogorov-Arnold-Netze LoRA und PEFT Mamba (State Space Model)Masked Autoencoders Mehrsprachiger Vision Transformer Multimodale BERT-basierte Klassifikation Multimodales NLP Multimodale semantische Segmentierung Multimodaler Transformer Multimodal Vision Transformer Segment Anything Model Selbst-überwachtes GAN Selbstüberwachte Bildklassifikation Selbstüberwachte Instanzsegmentierung Selbstüberwachte Semantische Segmentierung Selbstüberwachtes Vision Transformer Semi-supervised Vision Transformer SimCLR Räumlich-zeitliche Graph-Faltungsnetzwerke Swin Transformer TimeGPT Vision Mamba Schwach überwachte Objektdetektion Schwach überwachter Vision Transformer (WS-ViT)

Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →

Die vollständige Methode lesen

Method map

Quellen

So zitieren Sie diese Seite

Verwandte Methoden

Which method?

Referenziert von