# ImageNet微调

基于ConvNeXt-V2的自监督特征表示模型，采用全卷积掩码自编码器框架(FCMAE)进行预训练，适用于图像特征提取和微调任务。

Swin Transformer v2是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类和密集识别任务。

Data2Vec-Vision是基于BEiT架构的自监督学习模型，在ImageNet-1k数据集上微调，适用于图像分类任务。

Data2Vec-Vision是一个基于BEiT架构的自监督学习视觉模型，在ImageNet-1k数据集上微调，适用于图像分类任务。

基于ImageNet-1k训练的RegNet图像分类模型，采用自监督预训练和微调方法

基于imagenet-1k训练的RegNet模型，采用自监督方式在数十亿张随机网络图像上预训练后微调

BEiT是一种基于视觉Transformer的图像分类模型，通过自监督方式在ImageNet-21k上预训练，并在ImageNet-1k上微调。

Vision Transformer（ViT）是一种基于Transformer架构的图像分类模型，先在ImageNet-21k上预训练，后在ImageNet上微调。

基于Transformer架构的大规模图像分类模型，在ImageNet-21k和ImageNet-1k数据集上预训练和微调

视觉变换器（ViT）是一种基于变换器架构的图像分类模型，先在ImageNet-21k上预训练，后在ImageNet上微调。

BEiT是一种基于图像变换器的视觉模型，采用类似BERT的自监督预训练方法，先在ImageNet-22k上预训练和微调，再在ImageNet-1k上微调。

BEiT是一种基于视觉Transformer的图像分类模型，通过自监督方式在ImageNet-21k上预训练，并在ImageNet-1k上微调。

ConvNeXT是一个纯卷积模型，受视觉Transformer设计启发，在ImageNet-22k上预训练并在ImageNet-1k上微调，性能优于传统Transformer。

该视觉Transformer（ViT）模型先在ImageNet-21k数据集上预训练，后在ImageNet数据集上微调，适用于图像分类任务。

基于ImageNet-21k预训练和ImageNet微调的视觉变换器模型，用于图像分类任务

Vision Transformer（ViT）是一种基于Transformer架构的图像分类模型，通过在ImageNet-21k和ImageNet数据集上进行预训练和微调，实现了高效的图像识别能力。

DeiT是一种高效训练的Vision Transformer模型，在ImageNet-1k数据集上以384x384分辨率预训练和微调，适用于图像分类任务。