Vit Base Patch16 224 In21k Wwwwii
Google Vision Transformer (ViT)ベースモデルを微調整した視覚分類モデルで、画像分類タスクに適しています
ダウンロード数 21
リリース時間 : 9/2/2022
モデル概要
このモデルはgoogle/vit-base-patch16-224-in21k事前学習モデルを未知のデータセットで微調整したバージョンで、主に画像分類タスクに使用されます。
モデル特徴
ViTアーキテクチャベース
Vision Transformerアーキテクチャを採用し、16x16画像パッチで入力を処理
転移学習
ImageNet-21k事前学習モデルをベースに微調整されており、優れた特徴抽出能力を有する
効率的な分類
検証セットで62.67%の精度と83.49%のTop-3精度を達成
モデル能力
画像分類
視覚的特徴抽出
使用事例
コンピュータビジョン
汎用画像分類
入力画像を分類識別
検証精度62.67%
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98