S

Swinv2 Base Patch4 Window12 192 22k

microsoftによって開発
Swin Transformer v2は、階層的特徴マップと局所ウィンドウ自己注意メカニズムにより効率的な画像処理を実現する視覚Transformerモデルです。
ダウンロード数 8,603
リリース時間 : 6/15/2022

モデル概要

このモデルはImageNet-21kデータセットで192x192解像度で事前学習されており、画像分類タスクに適しています。残差後正規化、コサインアテンション、対数間隔連続位置バイアスなどの改良技術を採用しています。

モデル特徴

階層的特徴マップ構築
深層で画像パッチを統合して階層的特徴マップを構築し、特徴抽出効率を向上させます。
局所ウィンドウ自己注意
局所ウィンドウ内でのみ自己注意を計算し、計算複雑度を入力画像サイズに対して線形に保ちます。
訓練安定性の改善
残差後正規化とコサインアテンションメカニズムを採用し、訓練の安定性を向上させます。
高解像度転移能力
対数間隔連続位置バイアス手法を使用し、低解像度から高解像度入力への転移を効果的にサポートします。

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
ImageNet画像分類
入力画像を21kのImageNetカテゴリのいずれかに分類します。
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase