lib-arts

ResNet[2015] 系のモデリングが中心だった画像処理にも2020年頃からTransformerの本格的な導入が検討され始めました。ResNetはCNNとResidual Netが特徴ですが、CNNはあくまで局所特徴量の延⻑線上のモデリングであり、画像全体を横断する意味的な処理を行うことができません。そこに対しTransformerを導入することでパフォーマンスの向上が期待されています。 このような状況を鑑みた際に、画像を取り扱うにあたってもResNetのようなCNNだけではなく、Attentionに基づいたTransformerの理解を深める必要があるのではということで、この度「Transformerと画像処理」をまとめることにいたしました。 これまでTransformerに馴染みのない方や、Transformerは知っているものの画像への導入はまだ把握していない方などの理解に役立つ内容となれば大変嬉しい限りです。 ※ 初版段階ではまだ研究そのものが発展途上のため、詳細については流した記載が多いです。そのため、初版は1,000円で第2版への改訂時に1,600円とすることを検討しています。