# 圖像特徵提取

OpenVision-ViT-Tiny 是一個全開放、高性價比的先進視覺編碼器，屬於 OpenVision 家族的一部分，專注於多模態學習。

OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。

OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。

OpenVision是一個全開放、高性價比的先進視覺編碼器家族，專注於多模態學習。

AIM-v2是一個基於timm庫的圖像編碼器模型，具有10億參數規模，適用於圖像特徵提取任務。

基於HieraDet圖像編碼器的SAM2模型，專注於圖像特徵提取任務。

基於HieraDet圖像編碼器的SAM2模型，專注於圖像特徵提取任務。

基於HieraDet圖像編碼器的SAM2模型權重，專注於圖像特徵提取任務

基於HieraDet圖像編碼器的SAM2模型，專注於圖像特徵提取任務。

基於CLIP框架的ResNet101圖像編碼器，通過全局平均池化(GAP)提取圖像特徵

基於Transformer架構的視覺變換器模型，通過DINOv2方法訓練並引入寄存器機制，解決了傳統ViT模型的偽影問題

I-JEPA是一種自監督學習方法，通過圖像部分表徵預測同一圖像其他部分的表徵，無需依賴預設的手工數據變換或像素級細節填充。

I-JEPA是一種自監督學習方法，通過圖像部分表徵預測同一圖像其他部分的表徵，無需依賴預設的手工數據變換或像素級細節填充。

首個結合Mamba與Transformer優勢的計算機視覺混合模型，通過重新設計Mamba公式增強視覺特徵建模能力，並在Mamba架構中融入自注意力模塊提升長程空間依賴建模。

SSCD 是一個用於圖像複製檢測的深度學習模型，能夠提取圖像特徵並進行相似度比較。

基於Vision Transformer（ViT）的圖像分類模型，由Google Research在JAX框架下使用ImageNet-21k預訓練，後移植到PyTorch。適用於特徵提取和微調場景。

基於Vision Transformer的圖像分類模型，在ImageNet-21k上預訓練，適用於特徵提取和微調

EVA02是一個視覺Transformer模型，通過掩碼圖像建模在ImageNet-22k上預訓練，適用於圖像分類和特徵提取任務。

EVA02特徵/表示模型，通過掩碼圖像建模在ImageNet-22k上預訓練，適用於圖像分類和特徵提取任務。

EVA02基礎版視覺表示模型，通過掩碼圖像建模在ImageNet-22k上預訓練，適用於圖像分類和特徵提取任務。

基於ResNet-50微調的人臉分類模型，在評估集上準確率達到94.16%

基於Google Vision Transformer (ViT)架構微調的卡通人臉識別模型，在圖像分類任務上表現優異

ConvNeXt-V2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，適用於圖像分類和特徵提取任務。

基於視覺Transformer（ViT）的圖像特徵模型，採用自監督DINO方法訓練，適用於圖像分類和特徵提取任務。

基於視覺Transformer(ViT)的自監督圖像特徵提取模型，採用DINO方法訓練

基於Vision Transformer (ViT)架構的圖像分類模型，在ImageNet-21k數據集上預訓練，適用於特徵提取和微調場景。

基於自監督DINO方法訓練的Vision Transformer（ViT）圖像特徵模型，適用於圖像分類和特徵提取任務。

基於自監督DINO方法訓練的視覺Transformer（ViT）圖像特徵模型，適用於圖像分類和特徵提取任務。

基於ResNet-34架構的草圖分類器，在TU-Berlin數據集上進行了微調訓練，適用於草圖識別和分類任務。

使用DINO自監督學習方法預訓練的ResNet-50模型，適用於視覺特徵提取任務

該視覺Transformer模型採用MSN方法預訓練，在少樣本場景下表現優異，適用於圖像分類等任務

RegNet是一種通過神經架構搜索設計的圖像分類模型，在imagenet-1k數據集上訓練。

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-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。

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。