Rethinking Spatial Dimensions of Vision Transformers

计算机科学 建筑 变压器 人工智能 联营 卷积神经网络 稳健性(进化) 计算机工程 计算机视觉 模式识别(心理学) 工程类 电压 电气工程 艺术 视觉艺术 基因 生物化学 化学
作者
Byeongho Heo,Sangdoo Yun,Dongyoon Han,Sanghyuk Chun,Junsuk Choe,Seong Joon Oh
出处
期刊:Cornell University - arXiv 被引量:37
标识
DOI:10.48550/arxiv.2103.16302
摘要

Vision Transformer (ViT) extends the application range of transformers from language processing to computer vision tasks as being an alternative architecture against the existing convolutional neural networks (CNN). Since the transformer-based architecture has been innovative for computer vision modeling, the design convention towards an effective architecture has been less studied yet. From the successful design principles of CNN, we investigate the role of spatial dimension conversion and its effectiveness on transformer-based architecture. We particularly attend to the dimension reduction principle of CNNs; as the depth increases, a conventional CNN increases channel dimension and decreases spatial dimensions. We empirically show that such a spatial dimension reduction is beneficial to a transformer architecture as well, and propose a novel Pooling-based Vision Transformer (PiT) upon the original ViT model. We show that PiT achieves the improved model capability and generalization performance against ViT. Throughout the extensive experiments, we further show PiT outperforms the baseline on several tasks such as image classification, object detection, and robustness evaluation. Source codes and ImageNet models are available at https://github.com/naver-ai/pit
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
和谐的醉山完成签到,获得积分10
刚刚
文静的雨筠完成签到 ,获得积分10
刚刚
scixuxu完成签到,获得积分10
刚刚
顺遂完成签到,获得积分10
1秒前
1秒前
罗四夕完成签到,获得积分10
2秒前
2秒前
xzz完成签到 ,获得积分10
3秒前
晨光中完成签到,获得积分10
3秒前
Nan完成签到,获得积分10
3秒前
不解释12112完成签到,获得积分20
3秒前
郭文博完成签到 ,获得积分10
4秒前
海盗完成签到,获得积分10
6秒前
迷你的书蕾完成签到 ,获得积分10
6秒前
无辜的蜗牛完成签到 ,获得积分10
7秒前
7秒前
7秒前
8秒前
:!完成签到,获得积分10
8秒前
无情的牛马完成签到,获得积分10
8秒前
9秒前
自由文博完成签到 ,获得积分10
9秒前
想抱完成签到,获得积分10
9秒前
10秒前
JamesPei应助科研通管家采纳,获得10
10秒前
烟花应助科研通管家采纳,获得10
10秒前
大个应助科研通管家采纳,获得10
10秒前
斯文败类应助科研通管家采纳,获得10
10秒前
今后应助科研通管家采纳,获得10
10秒前
Hello应助科研通管家采纳,获得30
10秒前
永夜星河完成签到,获得积分10
10秒前
10秒前
10秒前
10秒前
Jasin驳回了SinU应助
11秒前
Raisin完成签到 ,获得积分10
11秒前
lvjia完成签到,获得积分10
12秒前
影子完成签到,获得积分20
12秒前
陈颖完成签到,获得积分10
12秒前
12秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
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 3099850
求助须知:如何正确求助?哪些是违规求助? 2751315
关于积分的说明 7612736
捐赠科研通 2403282
什么是DOI,文献DOI怎么找? 1275200
科研通“疑难数据库(出版商)”最低求助积分说明 616310
版权声明 599053