LMSA: Low-Relation Multi-head Self-attention Mechanism in Visual Transformer

Wang, Jingjie ; Wei, Xiang ; et al.

In: Proceedings of International Conference on Image, Vision and Intelligent Systems 2022 (ICIVIS 2022) ISBN: 9789819909223; (2023)

Online unknown

Wie komme ich dran?

Zugriff:

View record in OpenAIRE (Volltext)

Titel:	LMSA: Low-Relation Multi-head Self-attention Mechanism in Visual Transformer
Autor/in / Beteiligte Person:	Wang, Jingjie ; Wei, Xiang ; Liu, Xiaoyu ; Lu, Siyang
Link:	View record in OpenAIRE (Volltext) https://doi.org/10.1007/978-981-99-0923-0_61
Quelle:	Proceedings of International Conference on Image, Vision and Intelligent Systems 2022 (ICIVIS 2022) ISBN: 9789819909223; (2023)
Veröffentlichung:	Springer Nature Singapore, 2023
Medientyp:	unknown
ISBN:	978-981-99-0922-3 (print)
DOI:	10.1007/978-981-99-0923-0_61
Sonstiges:	Nachgewiesen in: OpenAIRE Rights: CLOSED

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.