Swin Transformer: 基于Transformer架构的主干网络

Swin Transformer是一种基于Transformer架构的主干网络，它在计算机视觉领域展现出了优异的性能。它通过引入'滑动窗口'机制，将图像划分为多个不重叠的窗口，并对每个窗口应用Transformer模块。这种设计使得Swin Transformer能够有效地处理高分辨率图像，并保留了Transformer的全局信息建模能力。