Vision Transformer (ViT)는 이미지 인식 및 컴퓨터 비전 분야에서 최근 각광받고 있는 기술입니다. ViT는 기존의 Convolutional Neural Networks (CNN) 대신 Transformer 모델을 사용하여 이미지를 처리합니다. 다음은 Vision Transformer의 주요 기술을 10개의 카테고리로 정리한 내용입니다. ​1. Transformer ArchitectureTransformer는 Self-Attention 메커니즘과 피드포워드 네트워크로 구성됩니다. 이 구조는 원래 NLP 분야에서 제안되었으나, ViT에서는 이미지를 처리하는 데 사용됩니다. 각 레이어는 인코더와 디코더로 나뉘며, ViT에서는 인코더 부분만 사용됩니다.​2. Patch Embedding이미지 ..

SnowPea(스노피) AI 2024. 6. 13. 10:02