圖像分類優化

# 圖像分類優化

Dogs Breed Image Classification V2

基於microsoft/resnet-152微調的犬種圖像分類模型，在斯坦福犬類數據集上訓練，準確率達84.08%。

Hiera Huge 224 Hf

Hiera是一種高效的分層視覺Transformer模型，在圖像和視頻任務中表現優異且運行速度快

Transformers 英語

Hiera Large 224 Hf

Hiera是一種層次化視覺Transformer模型，兼具快速、強大且簡潔的特性，在圖像視頻任務中超越現有技術且速度更快。

Transformers 英語

Hiera Base Plus 224 Hf

Hiera是一種分層式視覺Transformer模型，兼具快速、強大且簡潔的特性，在廣泛圖像視頻任務中超越現有技術水平同時顯著提升運行速度。

Transformers 英語

Hiera Base 224 Hf

Hiera是一種層次化視覺Transformer模型，具有快速、強大且簡潔的特點，在圖像和視頻任務中表現優異。

Transformers 英語

Hiera Small 224 Hf

Hiera是一種層次化視覺Transformer模型，兼具快速性、強大功能與極簡設計，在圖像視頻任務中顯著超越現有技術水準且運算效率突出

Transformers 英語

Hiera Tiny 224 Hf

Hiera是一種層次化視覺Transformer模型，具有快速、強大且極其簡潔的特點，在廣泛圖像與視頻任務中超越當前最優技術的同時實現了顯著的速度提升。

Transformers 英語

Beit Base Patch16 224 Pt22k Ft22k Finetuned FER2013CKPlus 7e 05 Finetuned SFEW 7e 05

基於BEiT架構的視覺Transformer模型，在FER2013CKPlus和SFEW數據集上微調，用於面部表情識別任務。

Resnet 50 Finetuned FER2013 0.001

基於ResNet-50架構微調的面部表情識別模型，在FER2013數據集上訓練，準確率達68.47%

Yolov5n Cls V7.0

YOLOv5n-cls-v7.0 是一個輕量級的圖像分類模型，基於YOLOv5架構，適用於高效的視覺任務處理。

基於google/vit-base-patch16-224微調的視覺Transformer模型，具體用途和訓練數據未明確說明

基於imagenet-1k訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型

基於imagenet-1k訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型

ResNet50是基於深度殘差學習實現的圖像分類模型，通過殘差連接解決了深度神經網絡中的梯度消失問題。

ResNet26d是基於深度殘差學習的圖像分類模型，是ResNet的變體(d)版本，優化了stem結構和shortcut連接方式。

RepVGG-A0是一種基於VGG風格的高效卷積神經網絡，通過結構重參數化技術實現訓練和推理架構的分離，提升性能。

ResNet18是基於深度殘差學習實現的圖像分類模型，通過殘差連接解決了深層網絡訓練困難的問題。

ResNet152是基於深度殘差學習的圖像分類模型，通過殘差連接解決了深度網絡訓練中的梯度消失問題。

ResNet26是基於深度殘差學習架構的圖像分類模型，是ResNet系列中的一種變體。

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

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。

Transformers 英語

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

AIbase

智啟未來，您的人工智能解決方案智庫

English 简体中文繁體中文にほんご

© 2025AIbase