efficientnet_b1.ft_in1k

基于ImageNet-1k微调的EfficientNet图像分类模型

Github 开源项目图像分类 PyTorch EfficientNet Huggingface 特征图提取 ImageNet-1k 模型

EfficientNet图像分类模型已在ImageNet-1k上进行微调，适用于PyTorch。该模型参数为7.8M，支持特征图提取和图像嵌入，可用作高效的图像分类工具。

tf_mobilenetv3_large_minimal_100.in1k - MobileNetV3轻量级图像分类模型

GithubHuggingfaceImageNetMobileNet-v3pytorchtimm图像分类开源项目模型

tf_mobilenetv3_large_minimal_100.in1k是基于MobileNet-v3架构的图像分类模型，在ImageNet-1k数据集上训练。该模型参数量为3.9M，计算复杂度为0.2 GMACs，适用于资源受限的移动设备。模型支持图像分类、特征图提取和图像嵌入等功能。最初由TensorFlow团队开发，后由Ross Wightman移植到PyTorch平台，为开发者提供了多平台使用选择。

fbnetv3_b.ra2_in1k - FBNet-v3轻量级图像分类模型支持多种应用场景

FBNet-v3GithubHuggingfaceImageNet-1ktimm图像分类开源项目模型特征提取

fbnetv3_b.ra2_in1k是基于FBNet-v3架构的轻量级图像分类模型。该模型在ImageNet-1k数据集上训练，使用RandAugment数据增强和EMA权重平均等技术。模型参数仅8.6M，GMAC为0.4，适合移动设备部署。支持图像分类、特征图提取和图像嵌入等应用，可用于多种计算机视觉任务。

tinynet_e.in1k - TinyNet模型在ImageNet-1k上的应用与性能分析

GithubHuggingfaceImageNet-1ktimmtinynet_e.in1k图像分类开源项目模型特征提取

TinyNet是一个旨在优化图像分类和特征提取的模型，通过调整分辨率、深度和宽度，在ImageNet-1k上进行训练。模型参数量为2.0M，并具有低计算负荷。提供简便的代码示例以支持图像分类、特征图提取和图像嵌入，可用于多种图像处理场景。同时，通过timm库探索其指标表现，更深入了解其在神经信息处理中的应用。

resnet101.tv_in1k - 采用ResNet101架构的高效图像分类和特征提取模型

GithubHuggingfaceImageNetresnet101.tv_in1k图像分类开源项目模型深度学习特征提取

resnet101.tv_in1k是一个基于ResNet101架构的图像分类模型，搭载ReLU激活、单层7x7卷积池化和1x1卷积下采样等特性，经过ImageNet-1k数据集训练，可用于图像特征提取和分类。在深度残差学习的加持下，该模型在特征提取和分类任务中表现突出，适合用于学术研究和商用产品开发。

tf_mobilenetv3_small_minimal_100.in1k - MobileNetV3小型化模型：高效移动端图像分类

GithubHuggingfaceImageNet-1kMobileNet-v3timm图像分类开源项目模型特征提取

tf_mobilenetv3_small_minimal_100.in1k是一款针对移动设备优化的轻量级图像分类模型。基于MobileNet-v3架构，该模型在ImageNet-1k数据集上训练，仅有200万参数和0.1 GMACs，适用于224x224像素的图像输入。除图像分类外，它还可作为特征提取器用于其他计算机视觉任务。通过timm库，开发者可以方便地加载预训练模型，实现图像分类、特征图提取和图像嵌入等功能。这个模型平衡了性能和效率，特别适合资源受限的移动应用场景。

ese_vovnet19b_dw.ra_in1k - VoVNet-v2轻量级图像分类模型兼顾性能与能效

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

ese_vovnet19b_dw.ra_in1k是基于VoVNet-v2架构的图像分类模型，在ImageNet-1k数据集上使用RandAugment技术预训练。该模型参数量为6.5M，计算量为1.3 GMACs，适用于多种图像分类任务。除了高效的分类功能，它还可作为特征提取骨干网络，支持特征图提取和图像嵌入。模型在保持高性能的同时，优化了能耗和GPU计算效率，是一个兼顾性能与效率的轻量级选择。

mobilenetv4_conv_medium.e500_r256_in1k - MobileNet-V4中档卷积模型：在保持较低参数量的同时提高图像分类效率

GithubHuggingfaceImageNet-1kMobileNet-V4timm图像分类开源项目模型特征提取

介绍了在ImageNet-1k数据集上训练的MobileNet-V4图像分类模型，其在维持高效分类精度的同时，降低了参数和计算量。模型支持特征提取和图像嵌入等应用场景，并与同类模型进行了广泛比较，适用于移动设备上的高效图像处理。

convnext_base.fb_in22k_ft_in1k_384 - 高效的ConvNeXt图像分类解决方案

ConvNeXtGithubHuggingfaceImageNet图像分类开源项目模型模型对比特征提取

ConvNeXt图像分类模型经过ImageNet-22k的预训练和ImageNet-1k的微调，以384x384分辨率高效执行分类任务。拥有88.6M参数和45.2 GMACs，支持图像分类、特征提取和图像嵌入等功能。适用于多种机器学习任务，其高分辨率处理能力使其在深度学习领域具有良好表现。

mobilenetv4_conv_small.e2400_r224_in1k - MobileNet-V4图像分类模型简介

GithubHuggingfaceImageNetMobileNetV4PyTorchtimm图像分类开源项目模型

MobileNetV4是一个利用ImageNet-1k数据集训练的图像分类模型，具有3.8M参数和0.2 GMACs的复杂度。该模型由timm库优化，使用了与MobileNet-V4论文一致的超参数。其训练和测试图像尺寸分别为224x224和256x256，适用于移动平台。更多信息可在PyTorch Image Models和相关论文中找到。

resnet50.tv_in1k - ResNet-B模型实现高效图像识别与分析

GithubHuggingfaceImageNetResNet-BTimm图像分类开源项目模型特征提取

ResNet-B模型是一款专为图像分类和特征提取而设计的工具，其特点包括ReLU激活和7x7卷积，适合224x224像素图像。在ImageNet-1k数据集上训练，具备优异的参数和计算性能。通过timm库，用户可以轻松将其应用于图像分类、特征提取和图像嵌入等多种场景。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com