เปรียบเทียบวิธี

	วิชันทรานส์ฟอร์มเมอร์	Support Vector Machine
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2021	1995
ผู้ริเริ่ม	Dosovitskiy, A. et al.	Cortes, C. & Vapnik, V.
ประเภท	Transformer architecture for images (self-attention over patches)	Maximum-margin classifier (kernel method)
แหล่งต้นตำรับ	Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR.	Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297.
ชื่อเรียกอื่น	Görsel Transformer (ViT), görsel transformer, ViT, patch transformer for images	Destek Vektör Makinesi (SVM — Sınıflandırma), support-vector network, SVM classifier, maximum-margin classifier
ที่เกี่ยวข้อง	5	5
สรุป	The Vision Transformer (ViT), introduced by Dosovitskiy and colleagues in 2021, splits an image into fixed-size patches, treats those patches as a sequence, and applies the Transformer self-attention mechanism to image classification. Given enough training data, it surpasses convolutional neural networks (CNNs).	The Support Vector Machine, introduced by Corinna Cortes and Vladimir Vapnik in 1995, is a classifier that finds the optimal separating hyperplane between classes in a high-dimensional space. It chooses the boundary that leaves the widest possible margin to the nearest training points, which makes its decisions robust on new data.