| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> ai讲师老师人工智能培训讲师计算机视觉讲师叶梓:计算机视觉领域的自监督学习模型——MAE-11 -> 正文阅读 |
|
[人工智能]ai讲师老师人工智能培训讲师计算机视觉讲师叶梓:计算机视觉领域的自监督学习模型——MAE-11 |
接上一篇 P24P25 MAE的编码器部分
n
Our encoder is a
ViT
but applied only on
visible, unmasked patches
.
n
Just as in a standard
ViT
, our encoder embeds patches by a linear projection with added positional embeddings, and then processes the resulting set via a series of Transformer blocks.
n
However, our encoder only operates on a small subset (e.g., 25%) of the full set.
Masked patches are removed; no mask tokens are used.
n
This allows us to train very large encoders with only a fraction of compute and memory.
n
The full set is handled by
a lightweight decoder
, described next.
MAE的解码器部分
n
The input to the MAE decoder is the full set of tokens consisting of (
i
)
encoded visible patches
, and (ii)
mask tokens
.
n
Each mask token is
a shared, learned vector
that indicates the presence of a missing patch to be predicted.
n
We add positional embeddings to all tokens in this full set; without this, mask tokens would have no information about their location in the image.
n
The decoder has
another series of Transformer blocks.
未完,下一篇继续……? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/26 5:35:24- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |