【视觉领域基础模型】

目录

0.卷积网络

1.ViT

2.MAE and iGPT

3.Swin Transformer

4.SimCLR

5.MoCo

6.MoCov3

7.CLIP

---

0.卷积网络

        在传统视觉任务中，使用的多为卷积神经网络。

        对于图片数据来说，多使用2D卷积网络，比较出名的有ResNet，VGGNet等

        对于视频数据来说，使用卷积网络来处理，有以下思路：

a.使用2D卷积网络+循环神经网络

b.使用3D卷积网络      

---

1.ViT

Image -> patches

---

2.MAE and iGPT

random mask +unsupervised pre-training

---

3.Swin Transformer

---

4.SimCLR

contrastive learning + data augmentation

---

5.MoCo

---

6.MoCov3

---

7.CLIP

zero-shot

---