首页 > 热点
谷歌大脑最新操作玩“复古”:不用卷积注意力,图像分类接近SOTA
发布日期:2026-11-20
浏览次数:{固定数字3}

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转谷歌载请联系出处。

谷歌大脑的视觉Transformer团队(ViT),搞了个大脑复古操作。

他们不用卷积神经网络(CNN)、也不用Transforme最新r,仅凭最早的AI视觉任务采用的多层感知机(MLP)结构,就实现了接近操作SOTA的性能,更是在ImageNet图像分类任务上取得了87玩“.94%的准确率。

这个架构名为MLP-Mixer,采用两种不同类型的ML复古P层,可以看做是一个特殊的CNN,使用 1×1卷积进行通道混合(按位操”:作),同时全感受野和参数共享的的单通道深度卷积进行字符混合(跨位操作不用)。

在JFT-300M数据集上预训练、微调到224分辨率的Mi卷积xer-H/14版本取得了86.32%的准确率,比SOTA模型ViT-注意H/14仅低0.3%,但运行速度是其2.2倍。

论文地址:
htt力,ps://arxiv.org/abs/2105.01601

项目地址:
ht图像tps://github.com/google-researc分类h/vision_transformer/tree/linen

&nbs接近p;

上一篇:云计算巨头掀起法律战:亚马逊状告诺基亚专利侵权
下一篇:OpenAI年收入130亿美元,但承诺十年投入万亿:五年内需完成商业模式验证
相关文章