# 高分辨率圖像分類

MambaVision是首個結合曼巴(Mamba)與Transformer優勢的計算機視覺混合模型，通過重新設計曼巴公式增強視覺特徵建模能力，並在曼巴架構最後幾層加入自注意力模塊提升長距離空間依賴建模能力。

首個結合曼巴(Mamba)與Transformer優勢的混合計算機視覺模型，通過重構曼巴公式增強視覺特徵建模能力

EfficientNet是一種高效的卷積神經網絡，通過統一縮放深度、寬度和分辨率實現高性能圖像分類

Swin Transformer v2是基於ImageNet-21k預訓練並在384x384分辨率下對ImageNet-1k進行微調的視覺Transformer模型，具有分層特徵圖和局部窗口自注意力機制。

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。

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。

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。

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。

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處理。

Swin Transformer v2是基於ImageNet-1k預訓練的視覺Transformer模型，採用分層特徵圖和局部窗口自注意力機制，具有線性計算複雜度。

CvT-w24是基於ImageNet-22k預訓練並在384x384分辨率下微調的視覺變換器模型，通過引入卷積改進傳統視覺變換器。

CvT-21是基於卷積視覺變換器架構的圖像分類模型，在ImageNet-1k數據集上以384x384分辨率預訓練。

CvT-21是一種結合卷積和Transformer架構的視覺模型，在ImageNet-22k上預訓練並在ImageNet-1k上微調

CvT-13是一種結合卷積和Transformer的視覺模型，在ImageNet-22k上預訓練並在ImageNet-1k上微調，適用於圖像分類任務。

CvT-13是基於ImageNet-1k數據集預訓練的視覺變換器模型，通過引入卷積操作改進了傳統視覺變換器的性能。

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。

Swin Transformer是一種基於移位窗口的分層視覺Transformer模型，專為圖像分類任務設計。

Swin Transformer是一種基於移位窗口的分層視覺Transformer模型，專為圖像分類任務設計。

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。

Swin Transformer是一種基於分層窗口的視覺Transformer模型，在ImageNet-21k數據集上預訓練，適用於圖像分類任務。