Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

计算机科学 变压器 卷积神经网络 人工智能 像素 图像分辨率 骨干网 计算 分割 帕斯卡(单位) 移植 模式识别(心理学) 计算机视觉 计算机工程 算法 电压 软件 物理 程序设计语言 量子力学 计算机网络
作者
Wenhai Wang,Enze Xie,Xiang Li,Deng-Ping Fan,Kaitao Song,Liang Ding,Tong Lü,Ping Luo,Ling Shao
标识
DOI:10.1109/iccv48922.2021.00061
摘要

Although convolutional neural networks (CNNs) have achieved great success in computer vision, this work investigates a simpler, convolution-free backbone network use-fid for many dense prediction tasks. Unlike the recently-proposed Vision Transformer (ViT) that was designed for image classification specifically, we introduce the Pyramid Vision Transformer (PVT), which overcomes the difficulties of porting Transformer to various dense prediction tasks. PVT has several merits compared to current state of the arts. (1) Different from ViT that typically yields low-resolution outputs and incurs high computational and memory costs, PVT not only can be trained on dense partitions of an image to achieve high output resolution, which is important for dense prediction, but also uses a progressive shrinking pyramid to reduce the computations of large feature maps. (2) PVT inherits the advantages of both CNN and Transformer, making it a unified backbone for various vision tasks without convolutions, where it can be used as a direct replacement for CNN backbones. (3) We validate PVT through extensive experiments, showing that it boosts the performance of many downstream tasks, including object detection, instance and semantic segmentation. For example, with a comparable number of parameters, PVT+RetinaNet achieves 40.4 AP on the COCO dataset, surpassing ResNet50+RetinNet (36.3 AP) by 4.1 absolute AP (see Figure 2). We hope that PVT could, serre as an alternative and useful backbone for pixel-level predictions and facilitate future research.
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
1秒前
陈最发布了新的文献求助10
1秒前
研友_VZG7GZ应助阿耒采纳,获得10
1秒前
1秒前
黄黄黄完成签到,获得积分10
2秒前
领导范儿应助哲999采纳,获得10
3秒前
欧阳发布了新的文献求助10
3秒前
王晶晶发布了新的文献求助10
3秒前
pengxu完成签到,获得积分10
5秒前
彭静琳发布了新的文献求助10
6秒前
liyiliyi117完成签到,获得积分10
7秒前
7秒前
Lucas应助阿飞采纳,获得10
8秒前
9秒前
碧蓝的含羞草关注了科研通微信公众号
9秒前
整齐星月发布了新的文献求助10
10秒前
10秒前
11秒前
AAAstf发布了新的文献求助10
12秒前
田様应助杨e采纳,获得10
12秒前
lwk205完成签到,获得积分10
12秒前
李爱国应助德德采纳,获得10
12秒前
wenyaq完成签到,获得积分10
12秒前
12秒前
13秒前
13秒前
某科学的御坂美琴完成签到,获得积分10
13秒前
wxx完成签到 ,获得积分10
13秒前
JamesPei应助13508104971采纳,获得10
13秒前
寻觅发布了新的文献求助10
13秒前
13秒前
HWei完成签到,获得积分10
14秒前
kkkk完成签到 ,获得积分10
15秒前
16秒前
17秒前
七七完成签到,获得积分10
17秒前
阁下宛歆完成签到,获得积分10
17秒前
lai发布了新的文献求助10
17秒前
18秒前
哈哈哈哈发布了新的文献求助10
18秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 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 3148271
求助须知:如何正确求助?哪些是违规求助? 2799495
关于积分的说明 7834708
捐赠科研通 2456632
什么是DOI,文献DOI怎么找? 1307357
科研通“疑难数据库(出版商)”最低求助积分说明 628154
版权声明 601655