vit-large-patch16-384

Vision Transformer大模型，提升高分辨率图像分类表现

深度学习图像分类 Huggingface transformer 开源项目模型 Github Vision Transformer ImageNet

项目提供了预训练于ImageNet-21k并在ImageNet 2012上微调的Vision Transformer（ViT）大模型。ViT通过将图像分为固定大小的补丁并使用Transformer编码器进行解析，提升了分类精度和特征提取能力，支持高分辨率视觉识别任务并兼容PyTorch使用。

vit_small_patch14_dinov2.lvd142m - 基于Vision Transformer的自监督图像特征提取模型

DINOv2GithubHuggingfaceVision Transformertimm图像分类开源项目模型特征提取

这是一个基于Vision Transformer架构的图像特征提取模型。该模型采用DINOv2自监督学习方法，在LVD-142M数据集上预训练，拥有2210万参数，支持处理518x518尺寸的图像。模型可应用于图像分类和特征提取任务，并提供了相关的使用示例代码。作为一个无监督学习的视觉模型，它能够提取稳健的图像特征表示。

deit-base-distilled-patch16-224 - DeiT模型通过蒸馏技术提升ImageNet图像分类性能

DeiTGithubHuggingfaceImageNet图像分类开源项目模型蒸馏视觉Transformer

DeiT-base-distilled-patch16-224是一种基于Vision Transformer的图像分类模型，通过蒸馏技术从CNN教师模型中学习。该模型在ImageNet-1k数据集上进行预训练和微调，在224x224分辨率下实现83.4%的top-1准确率。模型采用16x16图像块嵌入和蒸馏token，适用于多种计算机视觉任务，尤其在图像分类领域表现优异。

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。

vit-pytorch - 通过PyTorch实现多种视觉Transformer变体

GithubPytorchVision Transformer卷积神经网络图像分类开源项目深度学习

本项目展示了如何在PyTorch中实现和使用视觉Transformer（ViT）模型，包括Simple ViT、NaViT、Distillation、Deep ViT等多种变体。利用基于Transformer架构的简单编码器，本项目在视觉分类任务中达到了先进水平。用户可以通过pip进行安装，并参考提供的代码示例进行模型加载和预测。项目还支持高级功能如知识蒸馏、变分图像尺寸训练和深度模型优化，适用于多种视觉任务场景。

FasterViT - 高效分层注意力的视觉transformer新突破

FasterViTGithub图像分类层级注意力机制开源项目目标检测视觉Transformer

FasterViT是一种创新的视觉transformer模型,采用分层注意力机制高效捕获短程和长程信息。在ImageNet分类任务中,FasterViT实现了精度和吞吐量的新平衡,无需额外训练数据即达到最先进水平。该项目提供多种预训练模型,适应不同计算资源和精度需求,支持任意分辨率输入,为目标检测、分割等下游任务提供灵活选择。

dino-vitb16 - DINO训练的ViT模型在图像识别中的应用

DINOGithubHuggingface图像分类开源项目模型特征提取自监督学习视觉Transformer

DINO-ViTB16是一个基于视觉Transformer的自监督学习模型，在ImageNet-1k数据集上预训练。它将图像分割为16x16像素的patch序列，通过Transformer编码器处理，可捕获图像的内部表示。该模型适用于图像分类等多种计算机视觉任务，通过在[CLS] token上添加线性层即可实现。DINO-ViTB16展示了自监督学习在视觉领域的巨大潜力，为图像处理提供了新的解决方案。

vit_large_patch14_clip_336.openai - 通过CLIP模型探索计算机视觉鲁棒性

CLIPGithubHuggingfaceOpenAI偏见开源项目数据集模型计算机视觉

OpenAI开发的CLIP模型通过ViT-L/14 (336x336)架构提高视觉任务的鲁棒性，专注于零样本图像分类，供研究人员深入探索。这个模型针对英语场景，其数据主要源自发达国家的互联网用户，目前不建议用于商用部署，但在学术界具备多学科研究的重要价值。

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_small_patch8_224.dino - 基于自监督DINO的图像特征提取Transformer

GithubHuggingfaceVision Transformer图像分类开源项目模型模型比较特征提取自监督学习

项目提供了一种自监督DINO方法的Vision Transformer模型，用于图像特征提取。具有21.7M参数和16.8 GMACs运算量，预训练数据为ImageNet-1k。适用于多种视觉任务，支持通过PyTorch和timm库实现，确保高效处理。这项技术在视觉Transformer领域表现出色。

dino-vitb8 - 无需微调，实现高效图像分类的自监督视觉转换器

GithubHuggingfaceImageNet-1kVision Transformer图像分类开源项目模型自监督学习预训练模型

Vision Transformer (ViT)模型通过DINO方法进行的自监督训练在ImageNet-1k数据集上预训练，注重提升图像特征提取，无需微调即可应用于图像分类，兼顾多种下游任务。可根据任务需求选择合适的微调版本。

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com