- 学习地址：
| 模型名称 | 原论文 | 源代码 | 本项目测试数据集及结果 | 参考视频 | 参考文章 |
|---|---|---|---|---|---|
| Vision Transformer | An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale（arxiv.org，readpaper.com） | google，WZMIAOMIAO，KKKSQJ | 论文讲解，结构讲解，代码讲解 | Multi-Head Attention讲解，ViT结构讲解，zhihu.com | |
| Swin Transformer | Swin Transformer: Hierarchical Vision Transformer using Shifted Windows（arxiv.org，readpaper.com） | microsoft，WZMIAOMIAO，KKKSQJ | 论文讲解，结构讲解，代码讲解 | 结构讲解，zhihu.com，CSDN博客 | |
| CoAtNet | CoAtNet: Marrying Convolution and Attention for All Data Sizes（arxiv.org，readpaper.com） | KKKSQJ | 论文精读，代码讲解-上，代码讲解-下 | zhihu.com |