MaxViT: 多轴视觉变换器

MaxViT: 多轴视觉变换器

maxvit [ECCV 2022] Official repository for "MaxViT: Multi-Axis Vision Transformer". SOTA foundation models for classification, detection, segmentation, image quality, and generative modeling... 项目地址: https://gitcode.com/gh_mirrors/ma/maxvit

1. 项目基础介绍

MaxViT 是一个开源项目，由 Google Research 和 University of Texas at Austin 的研究人员共同开发。该项目是官方的 TensorFlow 实现，旨在提供一种混合 CNN 和 ViT 的图像分类模型。主要使用的编程语言为 Python 和 Jupyter Notebook。

2. 项目核心功能

MaxViT 模型是一系列混合（CNN + ViT）图像分类模型，其在参数和 FLOPs 效率上都优于最先进的 ConvNets 和 Transformers。以下是项目的核心功能：

• 多轴视觉变换器架构：MaxViT 通过其独特的架构，能够在整个网络中实现全局视野，尤其是在早期、高分辨率阶段。
• 性能优势：在 ImageNet-1K 和 ImageNet-21K 数据集上，MaxViT 模型展现了卓越的性能。
• 扩展性：MaxViT 模型能够很好地扩展到大型数据集，如 ImageNet-21K。

3. 项目最近更新的功能

最近更新的功能包括：

• 模型权重更新：增加了 MaxViTTiny 和 MaxViTSmall 的模型权重。
• Colab 教程：提供了一个 Google Colab 教程，展示如何运行 MaxViT 模型进行图像处理。
• TensorFlow Model Garden 支持：MaxViT 官方发布在 TensorFlow Model Garden，以支持训练。
• 论文和代码发布：相关的论文和代码已经发布，供社区进一步研究和使用。

通过这些更新，MaxViT 项目不仅增强了其模型的可用性和功能性，而且也为社区提供了更多的学习资源和工具。

maxvit [ECCV 2022] Official repository for "MaxViT: Multi-Axis Vision Transformer". SOTA foundation models for classification, detection, segmentation, image quality, and generative modeling... 项目地址: https://gitcode.com/gh_mirrors/ma/maxvit