谷歌大脑最新操作玩“复古”：不用卷积注意力，图像分类接近SOTA
时间:2026-11-14 出处:热点阅读（143）
本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转谷歌载请联系出处。
谷歌大脑的视觉Transformer团队（ViT大脑），搞了个复古操作。
他们不用卷积神经网络（CNN）、也不用Trans最新former，仅凭最早的AI视觉任务采用的多层感知机（MLP）操作结构，就实现了接近SOTA的性能，更是在ImageNet图像分类任务玩“上取得了87.94%的准确率。
这个架构名为MLP-Mixer，采用两种不复古同类型的MLP层，可以看做是一个特殊的CNN，使用 1×1卷积进行通道混合”：（按位操作），同时全感受野和参数共享的的单通道深度卷积进行字符混合（不用跨位操作）。
在JFT-300M数据集上预训练、微调到224分辨卷积率的Mixer-H/14版本取得了86.32%的准确率，比SO注意TA模型ViT-H/14仅低0.3%，但运行速度是其2.2倍。
论力，文地址：
https://arxiv.org/abs/2105.01图像601
项目地址：
https://github.com/google-re分类search/vision_transformer/tree/接近linen
分享到：
上一篇： 标签: 追觅 MOVA 坦途 首驱
温馨提示：以上内容和图片整理于网络，仅供参考，希望对您有帮助！如有侵权行为请联系删除！