# ImageNet分類

PVTはTransformerベースの視覚モデルで、ピラミッド構造を使用して画像を処理し、ImageNet-1Kで事前学習されており、画像分類タスクに適しています。

NAT-BaseはImageNet-1Kで訓練されたビジョントランスフォーマーモデルで、近傍注意メカニズムを使用して画像分類を行います。

NAT-Smallは近隣注意に基づく階層型ビジョントランスフォーマーで、画像分類タスク向けに設計されています

CvT-13は畳み込みニューラルネットワークと視覚トランスフォーマーを組み合わせたハイブリッドアーキテクチャモデルで、ImageNet-1kデータセットで事前学習済み、画像分類タスクに適しています。

ResNet-50はImageNet-1kで事前学習された残差ネットワークモデルで、v1.5アーキテクチャの改良を採用し、画像分類タスクに適しています。

ImageNet-1kでトレーニングされたResNetモデル、残差接続構造を採用し、画像分類タスクをサポート

ImageNet-1kデータセットで事前学習された深層残差ネットワークモデル、画像分類タスク用

imagenet-1kでトレーニングされたRegNetモデル、ニューラルアーキテクチャサーチによって設計された効率的な視覚モデル

ImageNet-1kでトレーニングされたRegNet画像分類モデル、ニューラルアーキテクチャサーチによって設計された効率的なネットワーク構造

BEiTはVision Transformerベースのモデルで、自己教師あり学習によりImageNet-21kで事前学習され、ImageNet-1kでファインチューニングされた画像分類タスク用モデルです。

ImageNetで事前学習された汎用視覚パーシバーモデルで、畳み込み前処理とトランスフォーマーアーキテクチャを採用し、画像分類タスクをサポート

BEiTはVision Transformer(ViT)アーキテクチャに基づく画像分類モデルで、自己教師あり学習によりImageNet-21kで事前学習され、ImageNet-1kでファインチューニングされています。

ConvNeXTは純粋な畳み込みモデルで、視覚Transformerの設計に触発され、ImageNet-22kで事前学習され、ImageNet-1kで微調整され、従来の視覚Transformerよりも優れた性能を発揮します。

BEiTはビジョントランスフォーマーアーキテクチャに基づく画像分類モデルで、ImageNet-21kで自己教師あり方式で事前学習され、ImageNet-1kでファインチューニングされています。

ImageNetデータセットで事前学習された深層残差ネットワークモデルで、画像分類タスクに使用されます。