问题遇到的现象和发生背景
想用swin transformer作为视频任务的backbone，但是swin transformer似乎受输入图像尺寸的限制，那么我训练的时候使用的img_size为384，测试的时候也只能为这个大小了。
遇到的现象和发生背景
预训练的swin transformer模型遇到一个新的图像大小会出现不适配的情况
我的问题
swin transformer作为backbone后如何解决不同图像大小输入的问题，难道只要crop或者resize这个办法吗？
0条回答 默认 最新
- 2022-05-30 08:57安淮葭的博客 使用Swin Transformer做骨干网络进行YoloX目标检测
- 2022-07-24 21:37太简单了的博客 背景 Swin Transformer是ICCV2021最佳论文。 ViT让transformer从NLP直接应用到CV有两个直接的问题：尺度问题（比如行人，车等大大小小的尺度问题在NLP领域就没有），序列问题（如果以图像像素点为基本单位，序列太大...
- 2024-11-01 21:04程序员Gloria的博客 YOLOv8作为目标检测领域的最新版本，在速度和精度之间取得了良好的平衡。然而，随着计算机视觉任务...本文将详细介绍如何在YOLOv8中用Swin Transformer替换原有的Backbone，提供代码示例，并深入探讨其中的原理和效果。
- 2022-02-10 15:31刚哥吧的博客 在撸代码之前首先对Swin-Transformer网络结构要有一个明确的了解： 整个网络的流程如下：输入 为的图像经过Patch Partition模块后变为
- 2025-05-16 11:06一勺汤的博客 在计算机视觉领域，卷积神经网络（CNNs）和Transformer架构分别在不同任务中取得了显著成功。受Transformer在自然语言处理中的启发，研究人员将其应用于视觉任务，但面临计算复杂度高等挑战。SwinTransformer通过...
- 2025-04-22 07:08一勺汤的博客 Swin Transformer 提出在局部窗口内计算自注意力，将窗口均匀划分图像且互不重叠，降低计算复杂度。同时，采用移位窗口分区方法，在连续的 Swin Transformer 块中交替使用两种分区配置，引入跨窗口连接，增强模型...
- 2025-04-08 09:54傻瓜学习的博客 Swin Transformer 中引入了多种归纳偏置（Inductive Bias），如局部性偏置、层次化设计和移动窗口机制。这些偏置不仅提升了模型的计算效率和特征提取能力，还增强了模型的泛化能力，使其能够更好地适应和解决各种...
- 2025-11-17 07:29本文详细解析了Video Swin Transformer模型，该模型是Swin Transformer在视频领域的应用。文章首先概述了Vision Transformer和Swin Transformer的背景，指出Video Swin Transformer通过引入时间维度扩展了Swin ...
- YungJZ的博客 本文提出了一种新的视觉转换器Swin Transformer，它可以作为计算机视觉的通用主干。将 Transformer 从语言适应视觉的挑战源于两个域之间的差异，例如视觉实体的规模变化很大，以及与文本中的单词相比，图像中像素的...
- 2025-10-19 21:24彬彬侠的博客 Swin Transformer是一种层次化视觉Transformer架构，通过窗口化自注意力（W-MSA）和移位窗口机制（SW-MSA）实现高效的局部-全局特征交互。其核心创新包括：将图像分割为非重叠窗口计算局部注意力（计算复杂度O(N)）...
- 2024-08-21 15:32热血厨师长的博客 狗都能看懂的Swin Transformer和代码复现
- 2024-11-10 19:27噜噜噜噜鲁先森的博客 Swin Transformer 使用了层次化的设计，能够有效捕捉不同尺度的特征，提升分类精度，尤其在图像分类中相较于传统的卷积神经网络（CNN）具有更强的表达能力。：通过局部窗口的自注意力机制和跨窗口连接，Swin ...
- 没有解决我的问题, 去提问
问题事件
系统已结题
12月28日
创建了问题
12月20日