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
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Transfo最新rmer，仅凭最早的AI视觉任务采用的多层感知机（MLP）结构操作，就实现了接近SOTA的性能，更是在ImageNet图像分类任务上取得了玩“87.94%的准确率。
这个架构名为MLP-Mixer，采用两种不同类型的复古MLP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（不用跨位操作）。
在JFT-300M数据集上预训练、微调到224分辨率的Mix卷积er-H/14版本取得了86.32%的准确率，比SOTA模型ViT-H/注意14仅低0.3%，但运行速度是其2.2倍。
论文地址：
https:/力，/arxiv.org/abs/2105.01601
项目地址：
http图像s://github.com/google-research/vi分类sion_transformer/tree/linen
本文地址：http://soft.zmdinfo.ha.cn/html/4d80892758.html
版权声明
本文仅代表作者观点，不代表本站立场。
本文系作者授权发表，未经许可，不得转载。