文章目录 论文：《Hiera:一个没有花哨的分层视觉转换器》1、简介2、相关工作3、方法3.1、准备MViTv23.2、简化MViTv2 4、MAE 消融5、视频结果6、图像结果6.1、在ImageNet-1K上的性能6.2、迁移学习实验 7、结论A、实现细节A.1、视频实验A.2、图像实验A.3、速度基准测试 B、从零开始监督训练YoloV8的官方结果改进一：使用HieraBlock替换C

来源：专知本文为论文介绍，建议阅读5分钟我们创建了Hiera，一种极其简单的分层视觉Transformer，比以前的模型更精确。 现代的分层视觉Transformer已经添加了几个专门针对视觉的组件，以追求监督分类的性能。虽然这些组件带来了有效的精确度和吸引人的FLOP计数，但增加的复杂性实际上使这些Transformer比其原生ViT（Vision Transformer）对应物更慢。在