*免责声明:
1\此方法仅提供参考
2\搬了其他博主的操作方法,以贴上路径.
3*

场景一: Attention is all you need

场景二: VIT

场景三: Swin v1

场景四: Swin v2

场景五: SETR

场景六: TransUNet

场景七: SegFormer

场景八: PVT

场景九: Segmeter

…

场景一:Attention is all you need

论文地址

强推–》国外学者的解读

强推–》国内学者对国外学者解读的翻译

1.1 概述

强推先看–> 《场景三:seq2seq与attention机制》

1.2 transformer网络结构

细讲 | Attention Is All You Need

1.3 encoder

1.4 decoder

tarnsformer里面的decoder阶段的mask的作用与数学描述

1.5 输入端 (位置编码)

1.6 encoder与decoder的交互形式

…

场景二: VIT （Vision Transformer）

论文地址

Vision Transformer详解

ViT（Vision Transformer）解析

【机器学习】详解 Vision Transformer (ViT)

1.1 概述

MLP更多请看–> 《场景六:神经网络》

1.2 VIT网络结构

1.3 输入端编码处理

图片编码

用于分类的class编码

位置编码

1.4 encoder

强推–>transformer系列基础知识先导篇

【正则化】DropPath/drop_path用法

1.5 MLP Head

强推–>MLP更多知识可查看 《场景五1.4 与场景六》

1.6 ViT-B/16结构图

1.7 hybrid model （cnn与transformer结合的混合模型）

1.8 参数调节

1.9 实验结果

…

场景三：swin v1

Swin Transformer 论文地址

github工程项目地址

参考一：Swin-Transformer网络结构详解

参考二：论文详解：Swin Transformer

参考三：详解Swin Transformer核心实现，经典模型也能快速调优

1.1 前言

1.2 网络结构

1.3 输入端编码处理

1.4 W-MSA ( Window Mutil-head Attention )

1.5 SW-MSA ( Shifted Window Mutil-head Attention)

1.6 Patch Merging

1.7 相对位置偏置

1.8 模型结构图

1.9 性能

…

…

you did it