C

Convnextv2 Nano.fcmae

由timm開發
ConvNeXt-V2自監督特徵表示模型,採用全卷積掩碼自編碼器框架(FCMAE)進行預訓練,適用於圖像分類和特徵提取任務。
下載量 265
發布時間 : 1/5/2023

模型概述

一個基於ConvNeXt-V2架構的自監督學習模型,通過全卷積掩碼自編碼器(FCMAE)方法預訓練,主要用於圖像特徵提取和微調下游任務。

模型特點

自監督預訓練
採用FCMAE(全卷積掩碼自編碼器)框架進行預訓練,無需人工標註數據
高效架構
基於ConvNeXt-V2的輕量級設計,參數量僅15.0M,計算量2.5GMACs
多任務支持
可用於圖像分類、特徵圖提取和圖像嵌入等多種計算機視覺任務

模型能力

圖像特徵提取
圖像分類
特徵圖生成
圖像嵌入表示

使用案例

計算機視覺
圖像分類
對輸入圖像進行分類,支持224x224和384x384分辨率輸入
在ImageNet-1k上達到83.37% top-1準確率(384x384輸入)
特徵提取
提取圖像的多層次特徵圖,可用於目標檢測、分割等下游任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase