Convnext Base 224 22k 1k Orig Cats Vs Dogs

🚀 convnext-base-224-22k-1k-orig-cats-vs-dogs

本模型是 facebook/convnext-base-224-22k-1k 在 cats_vs_dogs 數據集上的微調版本。它在圖像分類任務中表現出色，能有效區分貓和狗的圖像。

🚀 快速開始

此模型是在 cats_vs_dogs 數據集上對 facebook/convnext-base-224-22k-1k 進行微調得到的。在評估集上取得了以下結果：

• 損失值：0.0103
• 準確率：0.9973

Jockum Nordström, Cat Dog Cat, 2016

✨ 主要特性

視覺識別的 “咆哮二十年代” 始於視覺變換器（ViT）的引入，它迅速取代卷積神經網絡（ConvNet）成為最先進的圖像分類模型。然而，普通的 ViT 在應用於通用計算機視覺任務（如目標檢測和語義分割）時面臨困難。正是分層變換器（如 Swin Transformer）重新引入了一些卷積神經網絡的先驗知識，使變換器實際上可作為通用視覺骨幹網絡，並在各種視覺任務中展現出卓越的性能。然而，這種混合方法的有效性在很大程度上仍歸功於變換器的內在優越性，而非卷積的固有歸納偏置。

在這項工作中，研究人員重新審視了設計空間，並測試了純卷積神經網絡所能達到的極限。他們逐步將標準的 ResNet “現代化” 為視覺變換器的設計，並在此過程中發現了幾個導致性能差異的關鍵組件。這次探索的成果是一系列名為 ConvNeXt 的純卷積神經網絡模型。ConvNeXt 完全由標準的卷積神經網絡模塊構建而成，在準確性和可擴展性方面與變換器相媲美，在 ImageNet 上達到了 87.8% 的 top-1 準確率，在 COCO 檢測和 ADE20K 分割任務中優於 Swin Transformer，同時保持了標準卷積神經網絡的簡單性和高效性。

📚 詳細文檔

訓練超參數

訓練過程中使用了以下超參數：

BibTeX 引用和引用信息

@article{DBLP:journals/corr/abs-2201-03545,
  author    = {Zhuang Liu and
               Hanzi Mao and
               Chao{-}Yuan Wu and
               Christoph Feichtenhofer and
               Trevor Darrell and
               Saining Xie},
  title     = {A ConvNet for the 2020s},
  journal   = {CoRR},
  volume    = {abs/2201.03545},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.03545},
  eprinttype = {arXiv},
  eprint    = {2201.03545},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 許可證

本項目採用 Apache-2.0 許可證。