高效遥感分割的生成对抗变换器
原文中文，约300字，阅读约需1分钟。发表于：。通过一个高效的 Generative Adversarial Transfomer (GATrans)，采用深度学习方法和全局变换网络（GTNet）来实现高精度语义分割，在保持极高效率的同时，通过多层特征提取和结构相似性损失函数优化，获得了 90.17% 的平均 F1 得分和 91.92% 的总体准确率。
该论文介绍了一种新型结构 TransGAN，用于图像生成任务，通过基于 transformers 的 grid self-attention 模块缓解内存瓶颈，采用数据扩增、修正归一化和相对位置编码等技术缓解训练不稳定问题。该模型在高分辨率图像生成上表现出极具竞争力的性能，并在 STL-10 数据集上创造了 10.43 的 Inception Score 和 18.28 的 FID 值。
