# 224x224分辨率

PVT是一種基於Transformer的視覺模型，採用金字塔結構處理圖像，在ImageNet-1K上預訓練，適用於圖像分類任務。

基於ResNet-152微調的植物幼苗分類模型，在測試集上準確率達77.67%

該模型是基於ConvNeXT架構的微型版本，在cifar10數據集上進行微調，適用於圖像分類任務。

LeViT-128S是基於ImageNet-1k數據集預訓練的視覺Transformer模型，結合了卷積網絡的優勢以實現更快推理。

LeViT-384是基於ImageNet-1k數據集預訓練的視覺Transformer模型，結合了卷積網絡的優勢以實現更快的推理速度。

ResNet-50是基於ImageNet-1k預訓練的殘差網絡模型，採用v1.5架構改進，適用於圖像分類任務。

基於ImageNet-1k數據集預訓練的深度殘差網絡模型，用於圖像分類任務

蒸餾版高效數據圖像Transformer（DeiT）模型在ImageNet-1k上以224x224分辨率進行了預訓練和微調，通過蒸餾學習從教師模型中提取知識。

ConvNeXT是一個純卷積模型，其設計靈感來自視覺Transformer，宣稱性能優於視覺Transformer。該模型基於ImageNet-22k數據集在224x224分辨率下訓練而成。

基於ImageNet-21k預訓練的視覺Transformer模型，採用超大尺寸架構，適用於圖像分類等視覺任務。

BEiT是一種基於視覺Transformer（ViT）的圖像分類模型，通過自監督方式在ImageNet-22k上預訓練並在相同數據集上微調。

ConvNeXT是一個純卷積模型，其設計靈感來自視覺Transformer，宣稱性能優於視覺Transformer。該模型在224x224分辨率下基於ImageNet-22k數據集訓練而成。

該視覺Transformer（ViT）模型在ImageNet-21k數據集上預訓練，適用於圖像分類任務。

基於ImageNet-21k數據集預訓練的視覺Transformer模型，適用於圖像特徵提取和下游任務微調。

BEiT是一種基於視覺Transformer（ViT）的自監督學習模型，通過ImageNet-21k數據集預訓練，用於圖像分類任務。

ConvNeXT是一個純卷積模型，設計靈感來自視覺Transformer，在ImageNet-1k數據集上以224x224分辨率訓練而成。

該視覺變換器（ViT）模型在ImageNet-21k數據集上以224x224分辨率進行了預訓練，適用於圖像分類任務。