Project Icon

vit-large-patch16-224

大型视觉Transformer模型在ImageNet数据集上的图像分类实现

Vision Transformer大型模型在ImageNet-21k数据集上完成预训练,包含1400万张图像和21,843个分类。模型通过将图像分割为16x16像素块进行处理,支持224x224分辨率输入,并在ImageNet 2012数据集上进行微调。该模型基于PyTorch框架实现,可用于图像分类等视觉任务。

rorshark-vit-base - ViT架构图像分类模型实现99.23%精度
GithubHuggingfaceViT准确率图像分类开源项目机器学习模型训练模型
rorshark-vit-base是基于google/vit-base-patch16-224-in21k模型微调的图像分类器。该模型采用Vision Transformer架构,在imagefolder数据集上达到99.23%的分类准确率。经过5轮训练,使用Adam优化器和线性学习率调度。虽然在高精度图像分类任务中表现出色,但其具体应用场景和局限性有待进一步研究。
swinv2-base-patch4-window8-256 - 增强视觉Transformer模型,提供升级的容量与图像分辨率
GithubHuggingfaceImageNetSwin Transformer图像分类开源项目模型自监督预训练视觉Transformer
Swin Transformer v2是为图像分类和密集识别任务而设计的视觉Transformer模型。它在ImageNet-1k上进行256x256分辨率的预训练,具有通过局部窗口自注意力机制实现线性计算复杂度的特性。相比前代,Swin Transformer v2加入了残差后范数加余弦注意力以提升训练稳定性、日志距离连续位置偏置以提升低分辨率预训练模型在高分辨率任务中的表现,以及SimMIM自我监督预训练方法以减少对大规模标注图像的依赖。
dino-vits16 - DINO训练的小型Vision Transformer模型及其应用
DINOGithubHuggingfaceVision Transformer图像处理开源项目模型特征提取自监督学习
dino-vits16是一个基于DINO方法训练的小型Vision Transformer模型。该模型在ImageNet-1k数据集上进行自监督预训练,能够有效学习图像特征表示。它采用16x16像素的图像块作为输入,可应用于多种视觉任务。dino-vits16展示了自监督学习在计算机视觉领域的潜力,为图像分类等下游任务奠定了基础。
maxvit_base_tf_512.in21k_ft_in1k - MaxViT图像分类模型支持多尺寸特征提取和深度学习训练
GithubHuggingfaceImageNetMaxViT人工智能图像分类开源项目模型深度学习
MaxViT是谷歌研究团队开发的图像分类模型,通过ImageNet-21k预训练和ImageNet-1k微调实现。模型集成多轴注意力机制,总参数量119.9M,支持512x512分辨率输入。除图像分类外,还可输出多尺度特征图和嵌入向量,便于迁移至其他视觉任务。模型在ImageNet-1k测试中取得88.20%的分类准确率。
vit_base_patch16_clip_224.openai - CLIP:跨模态视觉语言理解模型
CLIPGithubHuggingface人工智能图像分类开源项目模型计算机视觉零样本学习
CLIP是OpenAI开发的视觉-语言预训练模型,在timm库中实现。它使用ViT-B/16 Transformer作为图像编码器,masked self-attention Transformer作为文本编码器,通过对比学习优化图像-文本对相似度。CLIP在零样本图像分类任务中展现出优秀的鲁棒性和泛化能力,但在细粒度分类和物体计数方面仍有局限。该模型主要面向AI研究人员,用于探索计算机视觉模型的能力和局限性。
ml-fastvit - 高效混合视觉Transformer模型用于图像分类
FastViTGithub图像分类开源项目模型性能结构重参数化视觉Transformer
FastViT是一种采用结构重参数化技术的混合视觉Transformer模型。该模型在ImageNet-1K数据集上实现了准确率和延迟的良好平衡,提供多个变体以适应不同应用场景。FastViT在iPhone 12 Pro上的基准测试显示出优秀的移动端性能。项目开源了预训练模型、训练评估代码和使用文档。
ViTamin - 推动计算机视觉进入新时代的可扩展视觉语言模型
GithubViTamin图像处理开源项目深度学习视觉语言模型计算机视觉
ViTamin是一系列可扩展的视觉语言模型,在图像分类、开放词汇检测和分割等任务上取得突破。以436M参数量在DataComp-1B数据集训练,实现82.9%的ImageNet零样本准确率。在7个开放词汇分割基准测试中创新纪录,并提升大型多模态模型能力。获timm和OpenCLIP官方支持,提供简单接口。ViTamin为计算机视觉领域带来新的可能性。
efficientvit - EfficientViT多尺度线性注意力用于高分辨率密集预测
EfficientViTGithub图像分割开源项目模型优化深度学习计算机视觉
EfficientViT是一种新型ViT模型,专注于高效处理高分辨率密集预测视觉任务。其核心是轻量级多尺度线性注意力模块,通过硬件友好操作实现全局感受野和多尺度学习。该项目提供图像分类、语义分割和SAM等应用的预训练模型,在性能和效率间达到平衡,适合GPU部署和TensorRT优化。
LaVIT - 大语言模型理解生成视觉内容的统一框架
GithubLaVIT多模态大语言模型开源项目视觉内容理解视觉内容生成预训练策略
LaVIT项目是一个创新的多模态预训练框架,旨在增强大语言模型处理视觉内容的能力。该项目通过动态离散视觉标记化技术,将图像和视频转换为离散标记序列,使大语言模型能够理解和生成视觉内容。LaVIT支持图像和视频的理解、生成,以及多模态提示生成,为计算机视觉和自然语言处理的融合提供了新的可能性。
LITv2 - 基于HiLo注意力的快速视觉Transformer
GithubHiLo注意力LITv2图像分类开源项目目标检测视觉Transformer
LITv2是一种基于HiLo注意力机制的高效视觉Transformer模型。它将注意力头分为两组,分别处理高频局部细节和低频全局结构,从而在多种模型规模下实现了优于现有方法的性能和更快的速度。该项目开源了图像分类、目标检测和语义分割任务的预训练模型和代码实现。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号