Vision Transformer
Vision Transformer (ViT), introdusert av Dosovitskiy og kolleger i 2021, deler et bilde inn i faste biter, behandler disse bitene som en sekvens, og anvender Transformerens selv-oppmerksomhetsmekanisme for bildeklassifisering. Gitt nok treningsdata, overgår den konvolusjonelle nevrale nettverk (CNN-er).
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+27 more
Kilder
Slik siterer du denne siden
ScholarGate. (2026, June 1). Vision Transformer (ViT). ScholarGate. https://scholargate.app/no/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.
- DiffusjonsmodellDyp læring↔ compare
- Generativt motsetningsnettverkDyp læring↔ compare
- Random ForestMaskinlæring↔ compare
- Støttevektormaskin (klassifisering)Maskinlæring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →