ViT (Vision Transformer)
ViT (Vision Transformer): Architettura Transformer adattata per computer vision trattando patch immagini come token. Divide immagini in patch (16x16), le appiattisce e proietta, aggiunge positional encoding. Transformer puro senza convoluzioni. Richiede dataset grandi. Esempi di applicazione: Classificazione immagini, Alternativa a CNN, ViT-Base, ViT-Large.
In English: ViT (Vision Transformer)Legge III · Come una rete impara dai datiDivide immagini in patch (16x16), le appiattisce e proietta, aggiunge positional encoding. Transformer puro senza convoluzioni. Richiede dataset grandi.
Esempi
- Classificazione immagini
- Alternativa a CNN
- ViT-Base, ViT-Large