Swin Transformer
Swin Transformer adalah transformer visi hierarkis yang diperkenalkan oleh Liu et al. pada tahun 2021 yang menggunakan perhatian jendela bergeser (shifted window attention) untuk mencapai efisiensi komputasi sambil mempertahankan kinerja yang kuat pada tugas-tugas visi komputer. Berbeda dengan Vision Transformer asli yang menerapkan perhatian diri global (global self-attention), Swin menggunakan perhatian berbasis jendela lokal (local window-based attention) dengan pergeseran periodik untuk menyeimbangkan ekspresivitas dan efisiensi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Liu, Z., Lin, Y., Cao, Y., Hu, H., Wei, Y., Zhang, Z., Lin, S., & Guo, B. (2021). Swin Transformer: Hierarchical vision transformer using shifted windows. In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 10012-10022). DOI: 10.1109/ICCV48922.2021.00986 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Shifted Window Transformer for Vision. ScholarGate. https://scholargate.app/id/deep-learning/swin-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.
- DETR (Detection Transformer)Pembelajaran Mendalam↔ compare
- Autoenkoder BertopengPembelajaran Mendalam↔ compare
- Vision MambaPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →