Deformable DETR 中后一层 Decoder 的多尺度可变形注意力机制 (MSA) 的 v 输入来源
Deformable DETR 中后一层 Decoder 的多尺度可变形注意力机制 (MSA) 的 v 是由 Encoder 输出的特征图经过卷积层处理得到的。具体来说,Encoder 输出的特征图先经过一个 1x1 卷积层和一个 3x3 卷积层,得到了一组特征向量,然后这些特征向量被用作多尺度可变形注意力机制 (MSA) 中的 v 输入。
原文地址: https://www.cveoy.top/t/topic/mS0P 著作权归作者所有。请勿转载和采集!