Προσαρμοσμένος Όρασης Μετασχηματιστής

Ο Προσαρμοσμένος Όρασης Μετασχηματιστής (Fine-Tuned Vision Transformer) προσαρμόζει ένα μεγάλο προεκπαιδευμένο μοντέλο ViT — το οποίο χωρίζει εικόνες σε σταθερού μεγέθους τμήματα και τα επεξεργάζεται μέσω επιπέδων αυτο-προσοχής — σε μια νέα εργασία ταξινόμησης ή αναγνώρισης εικόνων χρησιμοποιώντας ένα σχετικά μικρό επισημασμένο σύνολο δεδομένων. Επιτυγχάνει κορυφαία ακρίβεια στην όραση υπολογιστών αξιοποιώντας πλούσιες αναπαραστάσεις που αποκτήθηκαν κατά τη μεγάλης κλίμακας προεκπαίδευση.