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

时间:2026-11-22 来源:恨相见晚网

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),大脑搞了个复古操作。

他们不用卷积神经网络(CNN)、也不用Transf最新ormer,仅凭最早的AI视觉任务采用的多层感知机(MLP)结构,就实现操作了接近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)。

在J不用FT-300M数据集上预训练、微调到224分辨率的Mixer-H/1卷积4版本取得了86.32%的准确率,比SOTA模型ViT-H/14仅注意低0.3%,但运行速度是其2.2倍。

论文地址:
https://ar力,xiv.org/abs/2105.01601

项目地址:
https://g图像ithub.com/google-research/vision_tr分类ansformer/tree/linen

 

推荐内容