热门
最新
红包
立Flag
投票
同城
我的
发布
CSDN App 扫码分享
1
点赞
打赏
- 复制链接
- 举报
下一条：
大模型被偷家！腾讯港中文新研究修正认知：CNN搞多模态不弱于Transfromer在Transformer占据多模态工具半壁江山的时代，大核CNN又“杀了回来”，成为了一匹新的黑马。腾讯AI实验室与港中文联合团队提出了一种新的CNN架构，图像识别精度和速度都超过了Transformer架构模型。切换到点云、音频、视频等其他模态，也无需改变模型结构，简单预处理即可接近甚至超越SOTA。团队提出了专门用于大核CNN架构设计的四条guideline和一种名为UniRepLKNet的强力backbone。只要用ImageNet-22K对其进行预训练，精度和速度就都能成为SOTA——ImageNet达到88%，COCO达到56.4 box AP，ADE20K达到55.6 mIoU，实际测速优势很大。在时序预测的超大数据上使用UniRepLKNet，也能达到最佳水平——例如在全球气温和风速预测上，它就超越了Nature子刊上基于Transformer的前SOTA。更多细节，我们接着看作者投稿。点击查看：https://blog.csdn.net/QbitAI/article/details/135190013
