Visual Transformer算法汇总总结

2023-02-12 19:36 384人阅读评论(0)

专栏链接:
https://blog.csdn.net/qq_39707285/article/details/124005405
此专栏主要总结深度学习中的知识点，从各大数据集比赛开始，介绍历年冠军算法；同时总结深度学习中重要的知识点，包括损失函数、优化器、各种经典算法、各种算法的优化策略Bag of Freebies (BoF)等。

从RNN到Attention到Transformer系列

专栏链接:
https://blog.csdn.net/qq_39707285/category_11814303.html
此专栏主要介绍RNN、LSTM、Attention、Transformer及其代码实现。

YOLO系列目标检测算法

专栏链接:
https://blog.csdn.net/qq_39707285/category_12009356.html
此专栏详细介绍YOLO系列算法，包括官方的YOLOv1、YOLOv2、YOLOv3、YOLOv4、Scaled-YOLOv4、YOLOv7，和YOLOv5，以及美团的YOLOv6，还有PaddlePaddle的PP-YOLO、PP-YOLOv2等，还有YOLOR、YOLOX、YOLOS等。

Visual Transformer

专栏链接:
https://blog.csdn.net/qq_39707285/category_12184436.html
此专栏详细介绍各种Visual Transformer，包括应用到分类、检测和分割的多种算法。

Visual Transformer算法汇总总结本文汇总把Transformer应用于计算机视觉领域的多种算法，包括分类、目标检测和目标分割，并在相应数据集上进行对比。

1. 用于分类的Transformer

表1 Visual Transformer在ImageNet-1k、CIFAR-10和CIFAR-100数据集上TOP-1准确率对比。 “1k only”表示仅在ImageNet-1K数据集上进行训练; “21k pre-train”表示在ImageNet-21k数据集上进行预训练，然后再ImageNet-1k上进行微调; “Distill” 表示应用DEIT蒸馏训练方案
Method	Type	Epochs	Batch Size	#Params. (M)	FLOPs (G)	Training Scheme	Image Size		ImageNet-1k Top-1 Acc.		CIFAR Top-1 Acc.
Method	Type	Epochs	Batch Size	#Params. (M)	FLOPs (G)	Training Scheme	Train	Test	1k only	21k pre-train. / Distill.Υ	CIFAR 10	CIFAR 100
ViT-B/16↑ ViT-L/16↑	OVT	300	4096	86 307	743 5172	ViT	224 224	384 384	77.9 76.5	83.97 85.15	98.1 97.9	87.1 86.4
VT-ResNet18 VT-ResNet34 VT-ResNet50 VT-ResNet101	TEC	90	256	11.7 19.2 21.4 41.5	1.569 3.236 3.412 7.129	-	224 224 224 224	224 224 224 224	76.8 79.9 80.6 82.3	- - - -	- - - -	- - - -
BoTNet-S1-59-T2 BoTNet-S1-110-T4 BoTNet-S1-128-T5↑	TEC	350	4096	33.5 54.7 75.1	7.3 10.9 19.3	-	224 224 224	224 224 256	81.7 82.8 83.5	- - -	- - -	- - -
DeiT-Ti DeiT-S DeiT-B DeiT-B↑	CET	300	1024	5.7 22.1 86.6 86.6	1.3 4.6 17.6 52.8	DeiT	224 224 224 224	224 224 224 384	72.2 79.8 81.8 83.1	74.5Υ 81.2Υ 83.4Υ 84.5Υ	- - 99.1 99.2	- - 90.8 91.4
ConViT-Ti ConViT-S ConViT-B	CET	300	512	6 27 86	1 5.4 17	DeiT	224 224 224	224 224 224	73.1 81.3 82.4	- - -	- - -	- - -
LocalViT-T LocalViT-S	CET	300	1024	5.9 22.4	1.3 4.6	DeiT	224 224	224 224	74.8 80.8	- -	- -	- -
CeiT-T CeiT-S CeiT-T↑ CeiT-S↑	CET	300	1024	6.4 24.2 6.4 24.2	1.2 4.5 3.6 12.9	DeiT	224 224 224 224	224 224 384 384	76.4 82 78.8 83.3	- - - -	98.5 99 98.5 99.1	88.4 90.8 88 90.8
ResT-Small ResT-Base ResT-Large	CET	300	2048	13.66 30.28 51.63	1.9 4.3 7.9	DeiT	224 224 224	224 224 224	79.6 81.6 83.6	- - -	- - -	- - -
ViTC-1GF ViTC-4GF ViTC-18GF ViTC-36GF	CET	400	2048 2048 1024 512	4.6 17.8 81.6 167.8	1.1 4 17.7 35	DeiT , PVT	224 224 224 224	224 224 224 224	75.3 81.4 83 84.2	- 81.2 84.9 85.8	- - - -	- - - -
CoAtNet-0 CoAtNet-1 CoAtNet-2 CoAtNet-3 CoAtNet-4-E150↑	CET	300/90	4096	25 42 75 168 275	4.2 8.4 15.7 34.7 189.5	-	224 224 224 224 224	224 224 224 224 384	81.6 83.3 84.1 84.5 -	- - 87.1 87.6 88.4	- - - - -	- - - - -
TNT-S TNT-B TNT-S↑ TNT-B↑	TET	300	1024	23.8 65.6 23.8 65.6	5.2 14.1 - -	DeiT	224 224 224 224	224 224 384 384	81.3 82.8 83.1 83.9	- - - -	- - 98.7 99.1	- - 90.1 91.1
Swin-T Swin-S Swin-B Swin-B↑ Swin-L↑	TET	300/60	1024/4096	29 50 88 88 197	4.5 8.7 15.4 47 103.9	DeiT	224 224 224 224 224	224 224 224 384 384	81.3 83 83.3 84.2 -	- - 85.2 86.0 86.4	- - - - -	- - - - -
VOLO-D1 VOLO-D2 VOLO-D3 VOLO-D4 VOLO-D5 VOLO-D3↑ VOLO-D4↑ VOLO-D5↑	TET	300	1024	27 59 86 193 296 86 193 296	6.8 14.1 20.6 43.8 69 67.9 197 304	LV-ViT	224 224 224 224 224 224 224 224	224 224 224 224 224 448 448 448	84.2 85.2 85.4 85.7 86.1 86.3 86.8 87	- - - - - - -	- - - - - - -	- - - - - - -
T2T-ViT-14 T2T-ViT-19	TET	310	1024	21.5 39.2	5.2 8.9	-	224 224	224 224	81.5 81.9	- -	97.5 98.3	88.4 89
PVT-Tiny PVT-Small PVT-Medium PVT-Large	HT	300	128	13.2 24.5 44.1 61.4	1.9 3.8 6.7 9.8	DeiT	224 224 224 224	224 224 224 224	75.1 79.8 81.2 81.7	- - - -	- - - -	- - - -
PiT-Ti PiT-XS PiT-S PiT-B	HT	300	1024	4.9 10.6 23.5 73.8	0.7 1.4 2.9 12.5	DeiT	224 224 224 224	224 224 224 224	73 78.1 80.9 82	74.6Υ 79.1Υ 81.9Υ 84Υ	- - - -	- - - -
CvT-13 CvT-21 CvT-13↑ CvT-21↑ CvT-W24↑	HT	300	2048	20 32 20 32 277	4.5 7.1 16.3 24.9 193.2	ViT , BiT	224 224 224 224 224	224 224 384 384 384	81.6 82.5 83 83.3 -	- - 83.3 84.9 87.7	- - - - -	- - - - -
DeepViT-S DeepViT-L	DT	300	256	27 55	6.2 12.5	DeiT , ResNest	224 224	224 224	82.3 83.1	- -	- -	- -
CaiT-XS-24 CaiT-S-24 CaiT-S-36 CaiT-M-24 CaiT-M-36	DT	400	1024	26.6 46.9 68.2 185.9 270.9	5.4 9.4 13.9 36 53.7	DeiT	224 224 224 224 224	224 224 224 224 224	81.8 82.7 83.3 83.4 83.8	82.0Υ 83.5Υ 84Υ 84.7Υ 85.1Υ	- - 99.2 - 99.3	- - 92.2 - 93.3
DiversePatch-S12 DiversePatch-S24 DiversePatch-B12 DiversePatch-B24 DiversePatch-B12↑	DT	400	1024	22 44 86 172 86	- - - - -	DeiT	224 224 224 224 224	224 224 224 224 384	81.2 82.2 82.9 83.3 84.2	- - - - -	- - - - -	- - - - -
Reﬁned-ViT-S Reﬁned-ViT-M Reﬁned-ViT-L Reﬁned-ViT-M↑ Reﬁned-ViT-L↑	DT	300	256 512	25 55 81 55 81	7.2 13.5 19.1 49.2 69.1	DeiT	224 224 224 224 224	224 224 224 384 384	83.6 84.6 84.9 85.6 85.7	- - - - -	- - - - -	- - - - -
CrossViT-9 CrossViT-15 CrossViT-18 CrossViT-18* CrossViT-15↑ CrossViT-18↑	M	300	4096	8.6 27.4 43.3 44.3 28.5 44.6	1.8 5.8 9.03 9.5 21.4 32.4	DeiT	224 224 224 224 224 224	224 224 224 224 384 384	73.9 81.5 82.5 82.8 83.5 83.9	- - - - - -	- 99 99.11 - - -	- 90.77 91.36 - - -
LV-ViT-S LV-ViT-M LV-ViT-L LV-ViT-M↑ LV-ViT-L↑	DAT	300	1024	26 56 150 56 150	6.6 16 59 42.2 157.2	LV-ViT	224 224 288 224 288	224 224 288 384 448	83.3 84 85.3 85.4 85.9	- - - - -	- - - - -	- - - - -

2. 用于目标检测的Transformer

3. 用于分割的Transformer

转载：https://blog.csdn.net/qq_39707285/article/details/128914081

查看评论

小言_互联网的博客

小言_互联网的博客

个人资料

文章分类

文章存档

阅读排行

评论排行

推荐文章

Visual Transformer算法汇总总结

本章目录

1. 用于分类的Transformer

2. 用于目标检测的Transformer

3. 用于分割的Transformer

* 以上用户言论只代表其个人观点，不代表本网站的观点或立场