Cvt 13 384 22k
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)
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98