已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Global Filter Networks for Image Classification

计算机科学 稳健性(进化) 人工智能 二次增长 算法 滤波器(信号处理) 感知器 频域 计算复杂性理论 模式识别(心理学) 人工神经网络 计算机视觉 生物化学 化学 基因
作者
Yongming Rao,Wenliang Zhao,Zheng Zhu,Jiwen Lu,Jie Zhou
出处
期刊:Cornell University - arXiv 被引量:187
标识
DOI:10.48550/arxiv.2107.00645
摘要

Recent advances in self-attention and pure multi-layer perceptrons (MLP) models for vision have shown great potential in achieving promising performance with fewer inductive biases. These models are generally based on learning interaction among spatial locations from raw data. The complexity of self-attention and MLP grows quadratically as the image size increases, which makes these models hard to scale up when high-resolution features are required. In this paper, we present the Global Filter Network (GFNet), a conceptually simple yet computationally efficient architecture, that learns long-term spatial dependencies in the frequency domain with log-linear complexity. Our architecture replaces the self-attention layer in vision transformers with three key operations: a 2D discrete Fourier transform, an element-wise multiplication between frequency-domain features and learnable global filters, and a 2D inverse Fourier transform. We exhibit favorable accuracy/complexity trade-offs of our models on both ImageNet and downstream tasks. Our results demonstrate that GFNet can be a very competitive alternative to transformer-style models and CNNs in efficiency, generalization ability and robustness. Code is available at https://github.com/raoyongming/GFNet
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
汉堡包应助兴奋柠檬采纳,获得10
2秒前
4秒前
我是老大应助tcml采纳,获得10
4秒前
YBOH发布了新的文献求助10
5秒前
6秒前
Cloud完成签到,获得积分10
6秒前
震动的冷珍完成签到,获得积分10
7秒前
shelemi发布了新的文献求助10
9秒前
doctor_su85应助兴奋的千筹采纳,获得10
9秒前
YBOH完成签到,获得积分10
11秒前
哒哒哒完成签到,获得积分10
17秒前
18秒前
大模型应助tzy采纳,获得10
19秒前
你的qq发布了新的文献求助10
21秒前
科研通AI2S应助孢子采纳,获得10
22秒前
23秒前
Elijah应助简单的小鸭子采纳,获得10
25秒前
orixero应助江小霜采纳,获得10
25秒前
26秒前
27秒前
玩命的雁丝完成签到,获得积分10
28秒前
29秒前
30秒前
兴奋柠檬发布了新的文献求助10
31秒前
wanci应助兴奋的千筹采纳,获得10
31秒前
32秒前
匿蝶发布了新的文献求助10
33秒前
所所应助孢子采纳,获得10
36秒前
千纸鹤发布了新的文献求助10
36秒前
浮生若梦完成签到 ,获得积分10
37秒前
wing完成签到 ,获得积分10
37秒前
37秒前
37秒前
40秒前
江小霜发布了新的文献求助10
40秒前
41秒前
tzy发布了新的文献求助10
42秒前
匿蝶完成签到,获得积分20
42秒前
超级的丹琴完成签到,获得积分10
44秒前
hubo完成签到 ,获得积分10
45秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256680
求助须知:如何正确求助?哪些是违规求助? 2898790
关于积分的说明 8302441
捐赠科研通 2567935
什么是DOI,文献DOI怎么找? 1394833
科研通“疑难数据库(出版商)”最低求助积分说明 652913
邀请新用户注册赠送积分活动 630631