标签: #image-classification

한국어English日本語中文

← 全部文章

• Vision Transformer（ViT）论文深度解析：一张图像相当于16x16个单词

  深度解析Google的ViT论文：将图像转换为patch序列的创新方法、Patch Embedding与Position Embedding的原理、相较CNN的性能与数据效率权衡，以及DeiT、Swin Transformer、BEiT等后续研究的全面梳理。

  2026-03-01 · 40 分钟阅读 #vit#vision-transformer#computer-vision#transformer#image-classification

• ResNet 论文全面解析：残差连接（Residual Connection）如何突破深度学习的深度极限

  深入解析 Microsoft 的 ResNet 论文。用公式和代码梳理 Degradation 问题的发现、Skip Connection 的数学原理、Bottleneck 结构、ImageNet ILSVRC 2015 冠军架构，并纵览 ResNet 对现代深度学习产生的影响。

  2026-03-01 · 36 分钟阅读 #resnet#residual-learning#cnn#computer-vision#image-classification