新模型的一个特点是 ， 尽管根据本文的研究 ， 它比卷积方法更有效地以更少的计算量获得相同的预测精度 ， 但随着它接受越来越多的数据训练 ， 其性能似乎在不断提高 ， 这比其他模型更甚 。
这篇文章的作者在一个包含3亿的私有googlejft-300M数据集上训练了视觉变换器图像 ， 从而在许多基准测试中都获得了最先进的准确性 。 人们可以期待这个预先训练过的模型很快就会发布出来 ， 以便我们都可以试用 。

• 数据集：

• 第二张“幻影”图像可能使特斯拉的自动驾驶仪蒙上阴影
• 梯度直方图(HOG)用于图像多分类和图像推荐
• 如何系统地欺骗图像识别神经网络
• 全景图|让AI无处不在，华为昇腾构建了一幅怎样的百业全景图？
• 基于学习转换的一次性医学图像分割中的数据扩增
• 36万类别、1800万图像，国内机构创建全球最大人脸数据集
• 反思图像超分辨率的数据增强：综合分析和新战略
• 发布|TCL 20 5G新机规格与图像曝光 或于2021年初发布
• TCL 20 5G新机规格与图像曝光 或于2021年初发布
• 重建|PIFuHD简介：使用AI从2D图像生成人的3D高分辨率重建