VisionTransformer（ViTs）是一种在神经网络领域取得了革命性进展的模型，它通过标记混合器（tokenmixer）强大的全局上下文能力，实现了对图像分类、目标检测、实例分割和语义分割等多个视觉...

浏览 52 次 标签： CAS-ViT: 高效移动应用的卷积加性自注意Vision Transformer