最近几年，Transformer体系结构已成为自然语言处理任务的实际标准，但其在计算机视觉中的应用还受到限制。在视觉上，注意力要么与卷积网络结合使用，要么用于替换卷积网络的某些组件，同时将其整体结构保持在适当的位置。2020年10月22日，谷歌人工智能研究院发表一篇题为“An Image is Worth 16x16 Words: Transformers for Image Recognitio
一、什么是图像image？各种数字化表示的图片、图表以及照片的统称，是二维及以上的高维信息。二、图像的分类1.图像取值的不同：黑白图像（black and white image）/二值图像（binary image），灰度图像（gray level image）和彩色图像（color image） 黑白图像：指图像的每个像素只能是黑或者白，没有中间的过渡，故
