# ImageNet - 21k事前学習

GoogleのビジュアルTransformerアーキテクチャを微調整した犬種分類モデルで、120種類の犬の画像認識をサポートします。

BEiTはビジュアルTransformer（ViT）に基づく自己監督学習モデルで、ImageNet - 21kデータセットで事前学習され、画像分類タスクに使用されます。

Swin Transformerは階層型ウィンドウに基づくビジュアルTransformerモデルで、ImageNet - 21kデータセットで事前学習され、画像分類タスクに適しています。

BEiTは、ビジュアルTransformerに基づくモデルで、自己教師付き学習によりImageNet - 21kデータセットで事前学習され、画像分類タスクに使用されます。

Swin Transformerは階層型ウィンドウ計算に基づくビジュアルTransformerモデルで、ImageNet - 21kデータセットで事前学習され、画像分類タスクに適しています。