BriefGPT - AI 论文速递 · 2023-09-11T00:00:00Z CNN 还是 ViT？透过卷积再探视觉 Transformer 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 本文介绍了一种名为门控位置自注意力的机制，它结合了卷积神经网络的空间学习和自注意力层的位置不变性。作者使用这种机制构建了混合卷积 - 自注意力神经网络 ConViT，并在 ImageNet 数据集上进行了实验，结果表明该网络在图像分类任务上表现出色，具有更高的样本效率和对定位特征的更好注意力。 🏷️ 标签 cnn transformer 卷积 卷积神经网络 图像分类 混合卷积 自注意力层 门控位置自注意力 阅读原文 生成长图 分享链接 已复制链接
