CNN融合Transformer在圖像分類(lèi)中的模型研究

打開(kāi)文本圖片集

摘 要：近年來(lái)，深度學(xué)習(xí)算法的流行對(duì)物聯(lián)網(wǎng)技術(shù)發(fā)展和社會(huì)發(fā)展起到了很大的推動(dòng)作用。在圖像分類(lèi)領(lǐng)域，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)（CNN）存在一定缺陷，其在特征提取時(shí)，卷積操作會(huì)使模型對(duì)長(zhǎng)距離的像素關(guān)系感知能力較弱，魯棒性較差。而Transformer借助自注意力機(jī)制能夠捕捉各個(gè)序列的位置依賴關(guān)系，能更好地建模長(zhǎng)距離依賴關(guān)系，在處理具有空間關(guān)系的圖像時(shí)可發(fā)揮很好的作用。（剩余6822字）