Aug, 2021

通过分层重新排列实现 Hire-MLP: 视觉 MLP

PDF
TL;DRHire-MLP 是一种通过 Hi-erarchical re-arrangement 获得的简单而有竞争力的视觉 MLP 架构，可作为各种视觉任务的灵活骨干，包括图像分类、目标检测和语义分割任务，超过以前的基于 transformer 和 MLP 模型，在精度和吞吐量方面具有更好的折衷。
hire-mlpvision mlp architecturehi-erarchical re-arrangementimage classificationobject detection
发现论文，激发创造
  • S$^2$-MLPv2: 提升空间 - 移位 MLP 视觉模型架构

    本研究致力于改进 S^2-MLP 视觉骨干，将特征图沿通道扩展并将其分成若干部分，然后对分割的部分进行不同的空间变换操作，同时利用分组注意力操作来融合这些分割的部分。采用更小的尺度补丁和金字塔结构提高图像识别的准确性，我们称之为 S^2-MLPv2。中型模型 S^2-MLPv2-Medium 使用 55M 个参数，在没有注意力机制和外部训练数据的情况下在 ImageNet-1K 基准测试中使用 224×224 图像实现了 83.6％的 top-1 准确率。

    Aug, 2021

  • ConvMLP: 视觉 Hierarchical Convolutional MLPs

    提出了层次化的卷积 MLP，称其为 ConvMLP，可用于视觉识别、物体检测和语义分割等任务，与 MLP-Mixer-B/16 相比，ConvMLP-S 使用了更少的参数，且在 ImageNet-1k 数据集上具有较高的准确性。

    Sep, 2021

  • S$^2$-MLP: 视觉任务空间平移 MLP 架构

    本文提出一种新颖的 MLP 架构，空间平移 MLP (S$^2$-MLP)，只包含通道混合 MLP，利用局部接收场进行补丁之间的通信，其参数自由且计算效率高，比 MLP-Mixer 在 ImageNet-1K 数据集上获得更高的识别精度，同时具有与 ViT 相当的性能且更简单的架构。

    Jun, 2021

  • X-MLP: 一个无需 Patch 嵌入的 MLP 视觉架构

    提出一种基于全连接层的 MLP 体系结构 X-MLP，比现有的 MLP 模型和 CNNs 略表现更好，在多个基准数据集上进行了测试，具有捕捉长距离依赖性的特点。

    Jul, 2023

  • MLP-Mixer: 一种用于视觉的全 MLP 架构

    本文提出了一种基于多层感知器 (MLP) 的架构，MLP-Mixer，它不需要使用卷积和注意力机制，包含两种类型的层，一种将 MLP 应用于图像补丁，一种将 MLP 应用于补丁之间的位置信息，具有与现代 CNN 和 Transformer 相媲美的预训练和推理成本，希望鼓励更多超越 CNN 和 Transformer 的研究。

    May, 2021

  • MAXIM：用于图像处理的多轴 MLP

    本文介绍了一种基于多轴 MLP 的体系结构 MAXIM，该体系结构可用作图像处理任务的高效和灵活的通用视觉骨干。MAXIM 使用 UNet 形状的分层结构，并支持由空间门控 MLP 启用的长程交互，其在多项基准测试中取得了最先进的性能，并且需要的参数和 FLOP 少于竞争模型。

    Jan, 2022

  • SpiralMLP：一种轻量级视觉 MLP 架构

    SpiralMLP 是一种新颖的架构，通过将传统的 Token Mixing 方法替换为 Spiral FC 层，引入了螺旋状偏移量，实现了局部和全局特征的无缝集成，并在 ImageNet-1k、COCO 和 ADE20K 数据集上达到了与 Transformers、CNNs 以及其他 MLPs 相似的最先进性能。

    Mar, 2024

  • 视觉置换器：一种类 MLP 的置换架构用于视觉识别

    本文提出 Vision Permutator，这是一种类似于 MLP 的架构，用于视觉识别。通过在高度和宽度维度上分别编码特征表示，Vision Permutator 能够捕捉沿一个空间方向的长程依赖关系，同时保留另一个方向上的精确位置信息。在 ImageNet 数据集上，使用仅有 25M 可学习参数的 Vision Permutator 在不使用大规模训练数据（如 ImageNet-22k）的情况下可实现 81.5％的 top-1 准确性，比大多数 CNN 和视觉变换器都要好。

    Jun, 2021

  • CS-Mixer: 一个具有空间 - 通道混合的跨尺度视觉 MLP 模型

    提出了一种通过跨尺度的本地和全局聚合学习动态低秩变换以实现空间通道混合的分层视觉 MLP（Vision MLP）方法，该方法在流行的图像识别基准测试中取得了有竞争力的结果。

    Aug, 2023

  • AS-MLP: 用于视觉的轴向平移 MLP 架构

    本文提出了一种轴向偏移的 MLP 架构 (AS-MLP), 该架构通过轴向偏移处理特征图通道，从不同轴向方向获取信息流以捕获局部依赖关系。实验结果表明，我们的 AS-MLP 模型优于所有基于 MLP 的模型，甚至在与变压器模型的性能相比时也具有竞争力。同时，AS-MLP 是第一个应用于物体检测和语义分割等下游任务的 MLP 架构。

    Jul, 2021