PaddleClas/docs/zh_CN/models/ImageNet1k/MobileViT.md

MobileviT

---

目录

• 1. 概述
• 2. 精度、FLOPs 和参数量

1. 概述

MobileViT 是一个轻量级的视觉 Transformer 网络，可以用作计算机视觉领域的通用骨干网路。 MobileViT 结合了 CNN 和 Transformer 的优势，可以更好的处理全局特征和局部特征，更好地解决 Transformer 模型缺乏归纳偏置的问题，最终，在同样参数量下，与其他 SOTA 模型相比，在图像分类、目标检测、语义分割任务上都有大幅提升。论文地址。

2. 精度、FLOPs 和参数量

Models	Top1	Top5	Reference top1	Reference top5	FLOPs (M)	Params (M)
MobileViT_XXS	0.6867	0.8878	0.690	-	337.24	1.28
MobileViT_XS	0.7454	0.9227	0.747	-	930.75	2.33
MobileViT_S	0.7814	0.9413	0.783	-	1849.35	5.59