V

Vit Base Patch32 224 In21k

由google開發
該視覺變換器(ViT)模型在ImageNet-21k數據集上以224x224分辨率進行了預訓練,適用於圖像分類任務。
下載量 35.10k
發布時間 : 3/2/2022

模型概述

視覺變換器(ViT)是一種類似BERT的變換器編碼器模型,通過監督方式在大量圖像上進行預訓練,可用於提取圖像特徵並應用於下游任務。

模型特點

基於變換器的視覺模型
採用類似BERT的變換器編碼器架構處理圖像,突破了傳統CNN的限制。
大規模預訓練
在ImageNet-21k數據集(1400萬張圖像,21,843個類別)上進行預訓練,學習到豐富的圖像特徵表示。
靈活的下游應用
可提取預訓練特徵用於各種下游視覺任務,如圖像分類、目標檢測等。

模型能力

圖像特徵提取
圖像分類
視覺表示學習

使用案例

計算機視覺
圖像分類
在預訓練模型基礎上添加分類頭,可用於各種圖像分類任務。
在ImageNet等基準數據集上表現出色
視覺特徵提取
提取圖像的高級特徵表示,用於其他視覺任務如目標檢測、圖像分割等。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase