A06 · 第 5 章 · 课程规划页
视觉 Transformer 与混合架构
本章研究视觉 Transformer 与混合架构。内容依次处理图像分块、patch embedding 与序列化、全局自注意力与局部窗口机制、卷积混合骨干、位置偏置与分辨率迁移。
- 所在 Part
- 第三编 视觉表示与综合复习
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明图像分块、patch embedding 与序列化。
- 02完成全局自注意力与局部窗口机制所需的推导、证明或算法。
- 03使用计算、例题或反例检验卷积混合骨干、位置偏置与分辨率迁移。
PLANNED SECTIONS
计划章节结构
- 01
图像分块、patch embedding 与序列化
界定图像分块、patch embedding 与序列化，明确使用的条件、主要结论与可复核步骤。
- 02
全局自注意力与局部窗口机制
推导全局自注意力与局部窗口机制，明确使用的条件、主要结论与可复核步骤。
- 03
卷积混合骨干、位置偏置与分辨率迁移
检验卷积混合骨干、位置偏置与分辨率迁移，明确使用的条件、主要结论与可复核步骤。
计划定义
图像分块、patch embedding 与序列化：对象、记号与前提
围绕图像分块、patch embedding 与序列化列出主要对象、符号、前提与定义边界。
计划公式
全局自注意力与局部窗口机制：关系、判据与可复核步骤
把全局自注意力与局部窗口机制整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
卷积混合骨干、位置偏置与分辨率迁移：案例、反例与核验
围绕卷积混合骨干、位置偏置与分辨率迁移给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
视觉 Transformer 与混合架构：定义、关系与边界综合练习
联结图像分块、patch embedding 与序列化、全局自注意力与局部窗口机制与卷积混合骨干、位置偏置与分辨率迁移，分别检验定义辨析、主要步骤和适用边界。
关键词
视觉 Transformer、混合架构、第三编 视觉表示与综合复习、卷积神经网络与计算机视觉