# 画像分類バックボーンネットワーク

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、画像特徴抽出やファインチューニング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機構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は階層型ウィンドウに基づく視覚Transformerモデルで、画像分類タスク向けに設計されており、計算複雑度は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。