Que signifie "CvT"?
Table des matières
CvT veut dire Convolutional Vision Transformer. C'est une nouvelle approche qui combine deux techniques populaires en vision par ordinateur : la convolution et les transformers.
C'est quoi la Convolution ?
La convolution est une méthode utilisée dans l'analyse d'images. Elle aide les ordis à reconnaître des motifs dans les photos, ce qui est super utile pour des tâches comme identifier des objets ou prévoir des résultats à partir d'images.
C'est quoi les Transformers ?
Les transformers sont un type de modèle qui comprend les relations dans les données, surtout quand on regarde les infos dans leur ensemble plutôt que morceau par morceau. Ils sont connus pour leur capacité à se concentrer sur des détails importants tout en ignorant les trucs inutiles.
Comment ça marche CvT
CvT utilise les forces de la convolution et des transformers. Il se sert de la convolution pour repérer des motifs dans les images tout en appliquant le focus dynamique des transformers pour comprendre le contexte global.
Performance
Bien que CvT montre du potentiel, il ne performe pas aussi bien que certaines méthodes plus anciennes, comme XGBoost et les CNN, qui ont été testées plus en profondeur. Mais ça laisse entendre que les transformers pourraient améliorer notre capacité à prédire des résultats basés sur des images à l'avenir.