苹果开源 FastViT:快速卷积 Transformer 的混合视觉架构
苹果此前在论文《FastViT: A Fast Hybrid Vision Transformer using Structural Reparameterization》中提出的FastViT 架构已正式开源。 论文地址:https://arxiv.org/pdf/2303.14189.pdf 代码仓库:https://github.com/apple/ml-fastvit FastViT 有机地结合了 CNN 和 Transformer 的优势,无论在精度或者运行效率上均有了稳定的提升。FastViT 引入了一种新的 Token 混合算子,命名为 RepMixer。从名字来看,它结合了结构重新参数化技术。该算子的作用原理是通过消除网络中的 skip connection 来降低内存访问成本。 FastViT 整体框架图: 实验结果表明,FastViT: 在移动设备上的速度比混合 Transformer 架构 CMT 快 3.5 倍 在 ImageNet 数据集上的精度相同,但速度比 EfficientNet 快 4.9 倍且比 ConvNeXt 快 1.9 倍 在相似的延迟下,Fa...


