由此可知神经网络用作CV骨干模型，华为诺亚架构媲美CNN、Transformer

强构造离散能力也和构造自然环境，日渐基本的理论证明可以参考原文的附录。

编者在平面图离散之前和再次技术的发展一个线适度层，将路由表格构造对角到同一个基本来说中都会，并增大构造的自然环境。在平面图离散后插入一个非线适度介导数值，以避免多层退化为单层。追加后的模块化称为 Grapher 模块化：

为了进一步提高构造离散能力也和消除过份卷曲现象，在每个路由表格上使用前馈网络平台（FFN）。FFN 模块化是一个尤其简单的多层火花塞，不具备两个实质上连接起来的层：

通过 Grapher 模块化和 FFN 模块化的模板连在一起 ViG 块，ViG 块用途重构网络平台的连续性重构区块。基于投影的位平面图说明和提借助于的 ViG 块，可以为视觉效果使命重构 ViG 网络平台，如平面图 2 上图。与 vanilla ResGCN 相对来说，所述 ViG 可以随着层的随之而来保持构造自然环境（平面图 3），从而求学日渐有判别适度的构造说明。

平面图 3：路由表格构造自然环境随着层数随之而来的变化具体情况。

ViG 网络平台体系结构

通过封装 L 个 ViG block，连在一起编者的 ViG 网络平台构造。编者给借助于了 isotropic 式和阶梯式两种网络平台体系结构，如下表格上图。

表格 1：Isotropic ViG 网络平台构造数值。

表格 2：Pyramid ViG 网络平台构造数值。

实验者

Isotropic 体系结构对比

编者在 ImageNet 2012 数据集上专业训练和检验 ViG 框架。从下表格可以看借助于，基于平面图人工神经网络平台的 ViG 观感必需媲美甚至超越其他的基于 CNN、transformer、MLP 的 Isotropic 框架。ViG-S 约到 80.4% 的 top-1 弹道，这指出使用平面图构造说明有利于日渐有效率地提取投影主体构造数据重构强有力的构造说明。

Pyramid 体系结构对比

随着网络平台的深入，阶梯构造逐渐缩小了构造地平面图的空间大小，可以利用投影的尺度未变特适度聚合多尺度构造。低级网络平台并不一定采用阶梯构造，如 ResNet {ResNet}、Swin Transformer {Swin} 和 CycleMLP {CycleMLP}。

编者将编者的阶梯 ViG 与表格～ef {tab:pvig sota} 中都会不具备代表格适度的阶梯网络平台开展尤其。编者的 Pyramid ViG 系列可以超越或与包含 CNN、MLP 和 transformer 在内的最技术的 Pyramid 网络平台相媲美。这指出，位平面图人工神经网络平台必需很好地处理方式视觉效果使命，意味著成为计算出来机视觉效果系统的连续性构建。

期望验证实验者

为了检验 ViG 的泛化能力也，编者在 ImageNet 上专业训练的 Pyramid ViG-S 框架迁到到 COCO 期望验证使命。在 RetinaNet 和 Mask RCNN 验证前提上，使用 ViG 作为主干网络平台提取投影构造。下表格尤其了 ViG 与 ResNet、Swin Transformer 和其他网络平台的迁到求学结果。ViG 连续性上都由于其他网络平台，显示借助于了极强的泛化能力也。

揭示

在这项指导工作中都会，编者科学研究了如何将投影说明为平面图构造数据，并利用位平面图人工神经网络平台开展视觉效果使命。编者将投影分割为多个投影块，并将其看成路由表格。基于这些路由表格构造平面图可以日渐好地说明点状、复杂的球体。从外部在投影的平面图构造上使用平面图离散普遍存在过卷曲疑虑，适度能指标很差。编者在每个路由表格内部带入日渐多的构造离散，以鼓励数据的自然环境。基于投影的平面图说明和简化的 ViG block，编者重构了不具备各向同适度和阶梯构造的视觉效果 GNN（ViG）网络平台。

大生产量的投影识别和期望验证实检验明了该 ViG 构造的优越适度。编者希望这项有关 Vision GNN 的开创适度指导工作可以作为一般视觉效果使命的连续性体系结构。

。

信阳看妇科哪家好
北京比较好的白癜风医院
驻马店比较好的白癜风医院
四川白癜风治疗方法有什么
常州妇科检查