# 畳み込み強化Transformer

LeViT-192は、畳み込みニューラルネットワークとTransformerアーキテクチャを組み合わせた視覚モデルで、画像分類タスクに特化しています。

CvT-21は畳み込みとTransformerアーキテクチャを組み合わせた視覚モデルで、ImageNet-22k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

CvT-13は畳み込みとTransformerを組み合わせた視覚モデルで、ImageNet-22kで事前学習され、ImageNet-1kで微調整され、画像分類タスクに適しています。