Swin Transformer V2: Scaling Up Capacity and Resolution

计算机科学 人工智能 变压器 规范化(社会学) 分割 缩放比例 计算机视觉 模式识别(心理学) 电压 工程类 几何学 人类学 数学 电气工程 社会学
作者
Ze Liu,Han Hu,Yutong Lin,Zhuliang Yao,Zhenda Xie,Yixuan Wei,Ning Jia,Yue Cao,Zheng Zhang,Li Dong,Furu Wei,Baining Guo
标识
DOI:10.1109/cvpr52688.2022.01170
摘要

We present techniques for scaling Swin Transformer [35] up to 3 billion parameters and making it capable of training with images of up to 1,536x1,536 resolution. By scaling up capacity and resolution, Swin Transformer sets new records on four representative vision benchmarks: 84.0% top-1 accuracy on ImageNet- V2 image classification, 63.1 / 54.4 box / mask mAP on COCO object detection, 59.9 mIoU on ADE20K semantic segmentation, and 86.8% top-1 accuracy on Kinetics-400 video action classification. We tackle issues of training instability, and study how to effectively transfer models pre-trained at low resolutions to higher resolution ones. To this aim, several novel technologies are proposed: 1) a residual post normalization technique and a scaled cosine attention approach to improve the stability of large vision models; 2) a log-spaced continuous position bias technique to effectively transfer models pre-trained at low-resolution images and windows to their higher-resolution counterparts. In addition, we share our crucial implementation details that lead to significant savings of GPU memory consumption and thus make it feasi-ble to train large vision models with regular GPUs. Using these techniques and self-supervised pre-training, we suc-cessfully train a strong 3 billion Swin Transformer model and effectively transfer it to various vision tasks involving high-resolution images or windows, achieving the state-of-the-art accuracy on a variety of benchmarks. Code is avail-able at https://github.com/microsoft/Swin-Transformer.
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
刚刚
小蜗完成签到,获得积分10
1秒前
研友_Z7Xdl8发布了新的文献求助10
3秒前
4秒前
无语完成签到 ,获得积分10
4秒前
5秒前
6秒前
6秒前
送我上青云完成签到,获得积分10
9秒前
平淡宛菡发布了新的文献求助10
9秒前
俞若枫完成签到,获得积分10
10秒前
肖恩发布了新的文献求助10
10秒前
11秒前
momo完成签到,获得积分10
11秒前
CodeCraft应助Ann采纳,获得10
11秒前
tranphucthinh发布了新的文献求助10
12秒前
小蘑菇应助科研通管家采纳,获得10
12秒前
魏俏红完成签到 ,获得积分10
12秒前
科目三应助科研通管家采纳,获得10
12秒前
天天快乐应助科研通管家采纳,获得10
13秒前
xiaohunagya完成签到,获得积分10
13秒前
以太发布了新的文献求助10
13秒前
研友_WnqdrL发布了新的文献求助10
14秒前
我是谁完成签到,获得积分10
15秒前
16秒前
bkagyin应助Lucille采纳,获得30
16秒前
大个应助詹虔采纳,获得10
17秒前
肖恩完成签到,获得积分10
17秒前
18秒前
美满的幻悲完成签到,获得积分10
19秒前
李健应助Singularity采纳,获得10
20秒前
舒心的紫雪完成签到 ,获得积分10
20秒前
21秒前
学术菜鸡发布了新的文献求助10
21秒前
22秒前
25秒前
26秒前
辛勤怀亦发布了新的文献求助10
29秒前
海绵宝宝完成签到,获得积分10
30秒前
我是大兴发布了新的文献求助10
30秒前
高分求助中
System in Systemic Functional Linguistics A System-based Theory of Language 1000
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Essentials of thematic analysis 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 600
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 600
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 3116951
求助须知:如何正确求助?哪些是违规求助? 2766712
关于积分的说明 7688444
捐赠科研通 2422175
什么是DOI,文献DOI怎么找? 1286086
科研通“疑难数据库(出版商)”最低求助积分说明 620218
版权声明 599837