ViT (Pengubah Penglihatan)

ViT (Pengubah Penglihatan) ialah sejenis sistem penglihatan komputer berasaskan pembelajaran mendalam yang dibangunkan oleh Google pada tahun 2020. Ia ialah seni bina berasaskan pengubah yang bergantung pada mekanisme perhatian tersuai untuk tugas pengelasan imej. ViT ialah alat yang berkuasa untuk memahami data visual, kerana ia membolehkan pengekstrakan ciri pada skala dan tahap abstraksi yang berbeza.

ViT terdiri daripada dua komponen utama; Rangkaian Penglihatan (ViT) dan Rangkaian Transformer (ViT-T). ViT menggunakan timbunan blok konvolusi untuk mengekstrak ciri imej dan mewakili imej sebagai vektor ciri. Rangkaian Transformer digunakan untuk menganalisis dan mentafsir ciri yang dijana oleh Rangkaian Penglihatan, membolehkan tugas pengelasan yang lebih kompleks.

ViT terkenal kerana keupayaannya untuk menskalakan kepada set data yang besar, serta keupayaannya untuk belajar daripada jumlah data yang kecil. Ia dilihat sebagai satu kejayaan besar dalam penglihatan komputer, kerana ia membolehkan pemahaman yang lebih baik tentang data visual berskala besar.

ViT telah melihat beberapa aplikasi dalam pelbagai bidang, seperti pengimejan perubatan, robotik, dan pemprosesan bahasa semula jadi. Ia juga telah digunakan untuk mengoptimumkan dan menambah baik sistem penglihatan komputer sedia ada.

ViT menunjukkan banyak janji untuk pembangunan mesin pintar, kerana ia membolehkan mesin mentafsir data visual yang kompleks dengan cara yang lebih tepat dan konsisten. Teknologi ini boleh memainkan peranan penting dalam pembangunan kecerdasan buatan dan sistem pembelajaran mesin pada masa hadapan.