S

Swinv2 Base Patch4 Window8 256

由microsoft開發
Swin Transformer v2是一種視覺Transformer模型,通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類和密集識別任務。
下載量 16.61k
發布時間 : 6/15/2022

模型概述

該模型在ImageNet-1k數據集上以256x256分辨率進行了預訓練,採用改進的訓練穩定性和高分辨率遷移技術,適用於圖像分類任務。

模型特點

分層特徵圖
通過合併圖像塊構建分層特徵圖,適用於不同分辨率的圖像處理。
局部窗口自注意力
僅在局部窗口內計算自注意力,計算複雜度與輸入圖像大小呈線性關係,提高了效率。
訓練穩定性改進
結合殘差後歸一化方法和餘弦注意力,提高了訓練穩定性。
高分辨率遷移
採用對數間隔連續位置偏置方法,有效將低分辨率預訓練模型遷移到高分辨率輸入的下游任務。

模型能力

圖像分類
密集識別任務

使用案例

計算機視覺
ImageNet圖像分類
將圖像分類為ImageNet的1,000個類別之一。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase