# ImageNet微調

基於ConvNeXt-V2的自監督特徵表示模型，採用全卷積掩碼自編碼器框架(FCMAE)進行預訓練，適用於圖像特徵提取和微調任務。

Swin Transformer v2是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類和密集識別任務。

Data2Vec-Vision是基於BEiT架構的自監督學習模型，在ImageNet-1k數據集上微調，適用於圖像分類任務。

Data2Vec-Vision是一個基於BEiT架構的自監督學習視覺模型，在ImageNet-1k數據集上微調，適用於圖像分類任務。

基於ImageNet-1k訓練的RegNet圖像分類模型，採用自監督預訓練和微調方法

基於imagenet-1k訓練的RegNet模型，採用自監督方式在數十億張隨機網絡圖像上預訓練後微調

基於ImageNet-21k預訓練和ImageNet微調的視覺變換器模型，用於圖像分類任務

Vision Transformer（ViT）是一種基於Transformer架構的圖像分類模型，先在ImageNet-21k上預訓練，後在ImageNet上微調。

基於Transformer架構的大規模圖像分類模型，在ImageNet-21k和ImageNet-1k數據集上預訓練和微調

BEiT是一種基於視覺Transformer的圖像分類模型，通過自監督方式在ImageNet-21k上預訓練，並在ImageNet-1k上微調。

ConvNeXT是一個純卷積模型，受視覺Transformer設計啟發，在ImageNet-22k上預訓練並在ImageNet-1k上微調，性能優於傳統Transformer。

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

視覺變換器（ViT）是一種基於變換器架構的圖像分類模型，先在ImageNet-21k上預訓練，後在ImageNet上微調。

Vision Transformer（ViT）是一種基於Transformer架構的圖像分類模型，通過在ImageNet-21k和ImageNet數據集上進行預訓練和微調，實現了高效的圖像識別能力。

BEiT是一種基於圖像變換器的視覺模型，採用類似BERT的自監督預訓練方法，先在ImageNet-22k上預訓練和微調，再在ImageNet-1k上微調。

DeiT是一種高效訓練的Vision Transformer模型，在ImageNet-1k數據集上以384x384分辨率預訓練和微調，適用於圖像分類任務。

BEiT是一種基於視覺Transformer的圖像分類模型，通過自監督方式在ImageNet-21k上預訓練，並在ImageNet-1k上微調。