Cvt 13
CvT-13是一種結合卷積神經網絡和視覺變換器的混合架構模型,在ImageNet-1k數據集上預訓練完成,適用於圖像分類任務。
下載量 21.80k
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變換器,在保持變換器優勢的同時增強了局部特徵提取能力,主要用於圖像分類任務。
模型特點
卷積-變換器混合架構
結合CNN的局部特徵提取能力和變換器的全局建模優勢
高效圖像處理
在ImageNet-1k上預訓練,支持224x224分辨率圖像分類
輕量級設計
相比純變換器模型具有更少的參數和計算量(具體參數規模未公開)
模型能力
圖像分類
視覺特徵提取
使用案例
計算機視覺
通用物體識別
對日常物體進行準確分類識別
可識別ImageNet-1k中的1000個類別
場景理解
識別圖像中的場景類型(如宮殿、自然景觀等)
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