# 画像分類最適化

microsoft/resnet-152をファインチューニングした犬種画像分類モデルで、スタンフォード犬種データセットでトレーニングされ、精度は84.08%を達成。

Hieraは階層型視覚Transformerモデルで、高速・強力・簡潔な特徴を持ち、画像・動画タスクで優れた性能を発揮します。

BEiTアーキテクチャに基づく視覚Transformerモデルで、FER2013CKPlusとSFEWデータセットで微調整され、顔表情認識タスクに使用されます。

YOLOv5n-cls-v7.0は、YOLOv5アーキテクチャに基づく軽量な画像分類モデルで、効率的な視覚タスク処理に適しています。

google/vit-base-patch16-224をベースにファインチューニングしたVision Transformerモデル、具体的な用途とトレーニングデータは明記されていません

imagenet-1kで訓練されたRegNetモデル、ニューラルアーキテクチャサーチで設計された効率的な視覚モデル

ResNet26は深層残差学習アーキテクチャに基づく画像分類モデルで、ResNetシリーズの一種の変種です。

ResNet18は深層残差学習に基づいて実装された画像分類モデルで、残差接続により深層ネットワークの学習困難問題を解決しています。

ResNet26dは深層残差学習に基づく画像分類モデルで、ResNetのバリアント(d)バージョンであり、stem構造とshortcut接続方式を最適化しています。

RepVGG-A0はVGGスタイルに基づく効率的な畳み込みニューラルネットワークで、構造再パラメータ化技術により訓練と推論アーキテクチャの分離を実現し、性能を向上させています。

ResNet50は深層残差学習に基づく画像分類モデルで、残差接続により深層ニューラルネットワークにおける勾配消失問題を解決しています。