Machine learning

Vision Transformer

Vision Transformer (ViT), ktorý predstavili Dosovitskiy a kolektív v roku 2021, rozdeľuje obraz na záplaty pevnej veľkosti, spracúva tieto záplaty ako sekvenciu a aplikuje mechanizmus samopozornosti Transformer na klasifikáciu obrazu. Pri dostatočnom množstve tréningových dát prekonáva konvolučné neurónové siete (CNN).

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Vision Transformer

Difúzny model Generatívna protiadverзá…Náhodný les Support Vector Machine (…Variačný autoenkodér Jemné doladenie BERT CLIP Domain-Adaptive Transfor…Adaptívny ViT pre doménu Vysvetliteľný Vision Tra…

+27 more

Zdroje

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 ↗

Ako citovať túto stránku

ScholarGate. (2026, June 1). Vision Transformer (ViT). ScholarGate. https://scholargate.app/sk/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.

Difúzny modelHlboké učenie↔ compare
Generatívna protiadverзárna sieťHlboké učenie↔ compare
Náhodný lesStrojové učenie↔ compare
Support Vector Machine (Klasifikácia)Strojové učenie↔ compare
Variačný autoenkodérHlboké učenie↔ compare

Compare side by side →

Odkazujú sem

Jemné doladenie BERT CLIP Domain-Adaptive Transformer Adaptívny ViT pre doménu Vysvetliteľný Vision Transformer Jemne doladený Vision Transformer Dolaďovanie GPT Klasifikácia obrazu Kolmogorovove-Arnoldove siete LoRA a PEFT Mamba (model stavového priestoru)Maskované autoenkodéry Multilingual vision transformer Multimodálna klasifikácia založená na BERT Multimodálne spracovanie prirodzeného jazyka – porozumenie obrazu a jazyka Multimodálna sémantická segmentácia Multimodálny Transformer Multimodálny Transformer pre víziu Segment Anything Model Self-supervised GAN Samoučiacia klasifikácia obrazu Samoučiacia segmentácia inštancií Samoučiacia sa sémantická segmentácia Samoučiaci sa Vision Transformer Vizuálny transformátor (Vision Transformer, ViT) so semi-dohľadom SimCLR Priestorovo-časové grafové konvolučné siete Swin Transformer TimeGPT Vision Mamba Slabo nadriadená detekcia objektov Slabý vizuálny transformátor s dozorom

Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →

Prečítať celú metódu

Method map

Zdroje

Ako citovať túto stránku

Príbuzné metódy

Which method?

Odkazujú sem