C

Cvt 13 384 22k

由microsoft開發
CvT-13是一種結合卷積和Transformer的視覺模型,在ImageNet-22k上預訓練並在ImageNet-1k上微調,適用於圖像分類任務。
下載量 508
發布時間 : 4/4/2022

模型概述

該模型通過引入卷積操作改進視覺Transformer,在384x384分辨率下實現高效圖像分類,支持ImageNet的1,000個類別識別。

模型特點

卷積與Transformer結合
通過卷積操作改進傳統視覺Transformer,提升局部特徵提取能力。
高分辨率處理
支持384x384分辨率輸入,適合精細圖像分類。
大規模預訓練
在ImageNet-22k數據集上預訓練,具有強大的特徵表示能力。

模型能力

圖像分類
視覺特徵提取

使用案例

計算機視覺
物體識別
識別圖像中的物體類別(如動物、日常用品等)
可準確分類ImageNet的1,000個類別
場景理解
分析圖像場景內容(如自然風景、建築等)
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase