Swin Transformer

Hierarchical 分层的

a general-purpose backbone 一个通用的骨干网络

图像局部性原理：

同一个物体的不同部位，或者说语义相近的不同物体，大概率会出现在相连的地方。

如何生成多尺度的特征？

卷积中，通过pooling（即池化操作）生成多尺度特征。因为每次池化，能增大感受野。

类似于卷积，swin中提出了patch merging，把相邻的小patch合成一个大patch。