# 画像分類バックボーン

DINOv2でトレーニングされた視覚Transformerモデルで、レジスタトークンを追加することでアテンションメカニズムを改善し、アーティファクトを除去して性能を向上

RegNetY-32GF特徴抽出モデル、SEER手法で20億枚のランダムウェブ画像で事前学習済み、画像分類と特徴抽出タスクに適応

FocalNetは焦点変調ネットワークに基づく画像分類モデルで、マイクロソフトチームによってImageNet-22kデータセットで事前学習されました。

ConvNeXt-V2ベースの自己教師あり特徴表現モデルで、全畳み込みマスク自己エンコーダーフレームワーク(FCMAE)を使用して事前学習

ConvNeXt-V2ベースの自己教師あり特徴表現モデルで、全畳み込みマスク自己符号化器フレームワーク(FCMAE)を使用して事前学習されており、画像分類や特徴抽出タスクに適しています。

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、効率的な画像分類と密な認識タスクを実現する視覚Transformerモデルです。

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。

Swin Transformer v2 は階層的特徴マップと局所ウィンドウ自己注意機構により効率的な画像処理を実現する視覚Transformerモデルです。

Swin Transformer v2は、階層的特徴マップと局所ウィンドウ自己注意機構により効率的な画像分類を実現する視覚トランスフォーマーモデルです。

Swin Transformerは、シフトウィンドウに基づく階層型視覚Transformerで、画像分類タスク向けに設計されており、計算複雑度が入力画像サイズに対して線形関係にあります。

Swin Transformerは階層型ビジュアルTransformerで、局所ウィンドウを使って自己アテンションを計算することで線形計算複雑度を実現し、画像分類タスクに適しています。

Swin Transformerは、移動ウィンドウに基づく階層型ビジュアルTransformerで、画像分類タスクに適しています。

Swin Transformerは階層型ビジュアルTransformerで、局所ウィンドウを使って自己アテンションを計算することで線形計算複雑度を実現し、画像分類や密集認識タスクに適しています。

Swin Transformerは移動ウィンドウに基づく階層型視覚Transformerで、ImageNet-21kデータセットで事前学習されており、画像分類タスクに適しています。