Webssl Dino1b Full2b 224
這是一個通過DINOv2自監督學習在20億網絡圖像上訓練的10億參數視覺Transformer模型,無需語言監督即可學習視覺表示。
下載量 1,172
發布時間 : 4/25/2025
模型概述
該模型證明純視覺學習在規模適當時可以達到或超過語言監督模型的性能,適用於各種視覺任務。
模型特點
大規模自監督學習
基於20億網絡圖像進行訓練,無需語言監督
高性能視覺表示
在多種視覺任務上達到或超過語言監督模型的性能
高效架構設計
採用ViT架構,寬度1536,深度40,24個頭
模型能力
圖像特徵提取
視覺表示學習
圖像分類
目標檢測
使用案例
計算機視覺
圖像分類
使用模型提取的圖像特徵進行分類任務
目標檢測
利用模型學習到的視覺表示進行目標檢測
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