CNN的成功依赖于其两个固有的归纳偏置，即平移不变性和局部相关性，而视觉Transformer结构通常缺少这种特性，导致通常需要大量数据才能超越CNN的表现，CNN在小数据集上的表现通常比纯Transformer结构要好。 CNN感受野有限导致很难捕获全局信息，而Transformer可以捕获长距离依赖关系，因此ViT出现之后有许多工作尝试将CNN和Transformer结合，使得网络结构能够继承CNN和Transformer的优点，并且最大程度保留全局和局部特征。 Transformer是一种基于注意力的编码器-解码器结构，最初应用于自然语言处理领域，一些研究最近尝试将Transformer应用到计算机视觉领域。 在Transformer应用到视觉之前，卷积神经网络是主要研究内容。受到自注意力在NLP领域的影响，一些基于CNN的结构尝试通过加入自注意力层捕获长距离依赖关系，也有另外一些工作直接尝试用自注意力模块替代卷积，但是纯注意力模块结构仍然没有最先进的CNN结构表现好。

要发论文的兄弟有用哦 有所有的核心期刊 要发核心的兄弟伙注意了 有了这个就省事多了

对于初次写论文的同学很有帮助，有固定的模板、句式和基本知识，由此你会发现写论文也是一种套路。由其讲的是针对非英语母语的人，对于读者的认识和阅读非常照顾了

elsarticle-template官网模板，分享一个艾斯维尔好用的latex论文排版完美的模板代码 (Share a good template code for Eswell's Latx essays) ，发布论文的好模板