此模型是 imagefolder 数据集上 google/vit-base-patch16-224 的微调版本。
Updated 2024-12-24 16:56:59 +08:00
SegFormer 编码器在 Imagenet-1k 上进行了微调。
Updated 2024-12-24 16:35:56 +08:00
在 ImageNet-1k 上以 224x224 的分辨率训练的 ConvNeXT 模型， 在 cifar 10 数据集上进行了微调。
Updated 2024-12-20 16:51:24 +08:00
此模型是 imagefolder 数据集上 google/vit-base-patch16-224 的微调版本。
Updated 2024-12-20 16:27:28 +08:00
此模型是 google/vit-base-patch16-224-in21k 在 pittawat/uppercase-english-characters 数据集上的微调版本。
Updated 2024-12-09 17:32:14 +08:00
此模型是 imagefolder 数据集上 google/vit-base-patch16-224 的微调版本。
Updated 2024-12-09 17:16:46 +08:00
该模型实际上是一个训练效率更高的 Vision Transformer （ViT）。
Updated 2024-12-09 16:51:49 +08:00
Swin Transformer v2 模型在 ImageNet-21k 上以 192x192 的分辨率进行了预训练。
Updated 2024-12-06 17:28:28 +08:00
BEiT 模型在 ImageNet-22k（也称为 ImageNet-21k（1400 万张图像，21841 个类别））上以自我监督的方式进行预训练，并在分辨率为 224x224 的同一数据集上进行微调。
Updated 2024-12-05 17:03:01 +08:00
google/vit-base-patch16-224-in21k 的微调版本。
Updated 2024-12-05 16:51:06 +08:00
DeiT模型在 ImageNet-1k（100 万张图像，1000 个类别）上以 224x224 的分辨率进行预训练和微调。
Updated 2024-12-05 16:33:47 +08:00
该模型用于检查图像是真实的还是伪造的（AI 生成的）。
Updated 2024-12-05 16:16:57 +08:00
Vision Transformer （ViT） 模型在 ImageNet-21k（1400 万张图像，21843 个类别）上进行预训练，并在 CIFAR10 上以 224x224 的分辨率进行微调。
Updated 2024-12-05 14:34:25 +08:00
Vision Transformer （ViT） 模型在 ImageNet-21k（1400 万张图像，21843 个类别）上以 224x224 的分辨率进行预训练，并在 ImageNet 2012（100 万张图像，1000 个类别）上以 384x384 的分辨率进行微调。
Updated 2024-12-04 17:10:49 +08:00
在 ImageNet-1k 上以 224x224 的分辨率训练的 ConvNeXT 模型。
Updated 2024-12-04 16:02:37 +08:00