# 自监督视觉特征

DINOv2-small 的 ONNX 格式版本，适用于视觉任务

基于视觉Transformer（ViT）的图像特征模型，采用自监督DINOv2方法在LVD-142M数据集上预训练。

基于DINOv2训练的视觉Transformer模型，通过添加寄存器令牌改进注意力机制，消除伪影并提升性能

DINOv2 是 Facebook 研究团队开发的视觉特征提取模型，通过自监督学习获得强大的图像表示能力。

DINOv2是Facebook Research开发的一种无需监督学习的视觉特征提取模型，能够生成鲁棒的视觉特征表示。

DINOv2是Facebook Research开发的视觉特征提取模型，无需监督学习即可生成鲁棒的视觉特征。

一种带有寄存器的视觉Transformer（ViT）图像特征模型，采用自监督DINOv2方法在LVD-142M数据集上预训练。

带有寄存器的视觉变换器（ViT）图像特征模型，使用自监督的DINOv2方法在LVD-142M数据集上进行预训练。

一个带有寄存器的视觉Transformer（ViT）图像特征模型，采用自监督DINOv2方法在LVD-142M数据集上预训练。

一个带有寄存器的视觉变换器（ViT）图像特征模型，使用自监督的DINOv2方法在LVD-142M数据集上进行预训练。

基于DINOv2方法训练的小型视觉Transformer模型，适用于图像特征提取和分类任务

基于DINOv2方法训练的小尺寸视觉Transformer模型，通过自监督学习提取图像特征

采用DINOv2方法训练的视觉Transformer模型，通过自监督学习提取图像特征

基于DINOv2方法训练的视觉Transformer模型，通过自监督学习从海量图像数据中提取鲁棒视觉特征

基于DINOv2方法训练的视觉Transformer模型，通过自监督学习提取图像特征

基于视觉Transformer（ViT）的图像特征模型，采用自监督DINOv2方法在LVD-142M数据集上预训练

基于视觉Transformer（ViT）的自监督图像特征模型，采用DINOv2方法在LVD-142M数据集上预训练，适用于图像分类和特征提取任务。

基于视觉Transformer(ViT)的巨型图像特征提取模型，采用自监督DINOv2方法在LVD-142M数据集上预训练

基于Vision Transformer（ViT）的图像特征模型，采用自监督DINOv2方法在LVD-142M数据集上预训练

基于视觉变换器(ViT)的大型图像特征提取模型，采用自监督掩码自编码器(MAE)方法在ImageNet-1k数据集上预训练

基于视觉Transformer(ViT)的图像特征提取模型，采用自监督掩码自编码器(MAE)方法在ImageNet-1k数据集上预训练