摘 要：在小数据集上从零开始训练时，视觉Transformer无法与同规模的卷积神经网络媲美。基于图像的局部注意力方法，可以显著提高ViT的数据效率，但是会丢失距离较远但相关的补丁之间的信息。为了解决上述问题，提出一（试读）...
登录
