# 高精度ViT

這是一個在Food-101數據集上微調的視覺Transformer模型，用於食物圖像分類任務。

基於timm庫構建的病理圖像分類和特徵提取模型，在多個病理圖像數據集上表現良好。

基於Google的ViT模型微調，用於黑色素瘤癌症圖像分類，準確率達93.95%。

基於谷歌ViT基礎模型微調的阿爾茨海默病MRI圖像分類模型，準確率達92.6%

基於Google Vision Transformer (ViT)架構的微調模型，專門用於區分模糊與清晰的圖像分類任務

基於DINOv2基礎模型微調的皮膚疾病分類模型，在ISIC 2018+Atlas Dermatology數據集上達到95.57%的準確率。

基於Google的ViT模型在豆類數據集上微調得到的圖像分類模型，準確率達98.5%

這是一個基於Google的ViT模型在beans數據集上微調得到的圖像分類模型，在驗證集上達到了98.5%的準確率。

基於Vision Transformer的圖像分類模型，用於識別街景圖像中的植被部分，準確率達92.9%。

這是一個基於Google的ViT模型在豆類數據集上微調的圖像分類模型，在驗證集上取得了99.25%的高準確率。

zoalearn2是基於Google的ViT模型微調的珊瑚物種分類模型，能夠識別32種最受歡迎的珊瑚物種。

基於Google Vision Transformer微調的多標籤圖像分類模型，專門用於識別動畫劇集《飛出個未來》截圖中的內容。

基於ViT架構的食物分類模型，在Food101數據集上微調，準確率達98.5%

基於ViT架構的食品圖像分類模型，在Food101數據集上微調，準確率達96%

基於ViT架構的肺部和結腸癌多類別圖像分類模型，在評估集上準確率達99.94%

該模型是基於Google的ViT-base-patch16-224-in21k在岩石冰川數據集上微調的圖像分類模型，準確率達92.58%。

基於Google的ViT-Large模型微調的黑色素瘤圖像分類模型，在評估集上達到82.73%的準確率

基於facebook/deit-base-patch16-224微調的表情包分類模型，在imagefolder數據集上達到84.85%的準確率

基於ViT架構的圖像分類模型，在特定數據集上訓練8個週期，準確率達到94.99%。

基於mriDataSet數據集對facebook/deit-base-distilled-patch16-224進行微調的圖像分類模型，準確率達99.01%

該模型是基於Google的ViT架構在beans數據集上微調的圖像分類模型，準確率達96.99%。