【第37篇】EdgeViTs： 在移动设备上使用Vision Transformers 的轻量级 CNN

摘要

基于自我注意的模型，例如视觉转换器 (ViT)，已成为计算机视觉中卷积神经网络 (CNN) 的一种极具竞争力的架构替代方案。尽管越来越强大的变体具有越来越高的识别精度，但由于自我注意的二次复杂性，现有的 ViT 通常对计算和模型大小有要求。尽管先前 CNN 的几个成功的设计选择（例如，卷积和分层多级结构&