# 高効率画像分類

ImageNet-1kデータセットでトレーニングされた軽量なRDNet画像分類モデルで、パラメータ数24M、top-1精度82.8%。

EfficientNetはモバイルフレンドリーな純粋な畳み込みモデルで、複合係数による深さ/幅/解像度の統一スケーリングを行い、ImageNet-1kデータセットで学習されています

EfficientNetはモバイルデバイスに適した純粋な畳み込みモデルで、複合係数によって深さ/幅/解像度の次元を統一してスケーリングし、ImageNet-1kデータセットで学習されています。

EfficientNetはモバイルフレンドリーな純粋な畳み込みニューラルネットワークで、複合係数により深さ/幅/解像度の次元を統一調整し、効率的なスケーリングを実現

EfficientNetはモバイルフレンドリーな純粋な畳み込みモデルで、複合係数による深さ/幅/解像度の統一スケーリングにより、画像分類タスクで優れた性能を発揮します。

EfficientNetV2は、トレーニング速度とパラメータ効率を特に最適化した効率的な畳み込みニューラルネットワークアーキテクチャです。61チャンネル版はこのアーキテクチャのバリエーションです。

LeViT-128SはImageNet-1kデータセットで事前学習された視覚Transformerモデルで、畳み込みネットワークの利点を組み合わせてより高速な推論を実現しています。

LeViT-384はImageNet-1kデータセットで事前学習された視覚Transformerモデルで、畳み込みネットワークの利点を組み合わせてより高速な推論を実現しています。

ReXNet-1.3xはReXNetアーキテクチャに基づく画像分類モデルで、ImageNetteデータセットで事前学習されています。このモデルは残差ブロック内のSqueeze-Excitation層を改良することでチャネル冗長性を削減します。