首页 > 试题广场 >

与传统的卷积神经网络（CNN）相比，Vision Trans

[单选题]
与传统的卷积神经网络（CNN）相比，Vision Transformer (ViT) 模型在处理图像时的一个根本性区别在于？ 
  • ViT 的推理速度总是比同等参数量的 CNN 更快。
  • ViT 通过自注意力机制（Self-Attention）来显式地建模图像块（Patches）之间的长距离依赖关系，而 CNN 主要通过堆叠的局部卷积核来隐式地扩大感受野。
  • ViT 在训练时不需要进行数据增强，因为它具有更强的泛化能力。
  • ViT 完全不使用任何形式的卷积操作来提取特征。
查看答案及解析
添加回答

这道题你会答吗？花几分钟告诉大家答案吧！

提交观点

问题信息

计算机视觉
难度：
0条回答 8浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号