Cvt 13 384
CvT-13はImageNet-1kデータセットで事前学習されたビジョントランスフォーマーモデルで、畳み込み操作を導入することで従来のビジョントランスフォーマーの性能を改善しました。
ダウンロード数 27
リリース時間 : 4/4/2022
モデル概要
このモデルは畳み込みニューラルネットワークとトランスフォーマーの利点を組み合わせ、384x384解像度での画像分類タスクを実行し、1000のImageNetカテゴリ認識をサポートします。
モデル特徴
畳み込み-トランスフォーマーハイブリッドアーキテクチャ
CNNの局所的特徴抽出能力とTransformerのグローバルモデリング能力を組み合わせる
高解像度処理
384x384解像度の画像入力をサポート
ImageNet事前学習
ImageNet-1kデータセットで事前学習され、1000クラスの物体認識をサポート
モデル能力
画像分類
物体認識
視覚的特徴抽出
使用事例
コンピュータビジョン
一般的な物体認識
画像内の一般的な物体カテゴリを認識
1000種類のImageNetカテゴリを正確に分類可能
視覚的コンテンツ分析
画像内容を分析し意味情報を抽出
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