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。

resnet10t.c3_in1k - 使用ResNet-T技术的先进图像分类模型

GithubHuggingfaceImage EmbeddingsImageNetResNet-T图像分类开源项目提取特征图模型

ResNet-T模型结合ReLU激活和分层结构的3x3卷积和池化，实现高效的图像分类。模型在ImageNet-1k数据集上训练，通过SGD优化和Cosine学习率调度，具备出色的分类和特征提取能力，适用于多种应用场景。

convnext_small.in12k_ft_in1k_384 - 高效的ConvNeXt图像分类与特征提取预训练模型介绍

ConvNeXtGithubHuggingfaceImageNettimm图像分类开源项目模型预训练

ConvNeXt图像分类模型，通过timm库在ImageNet-12k及ImageNet-1k上进行预训练与微调，提供图像特征提取与分类功能。支持TPU和8xGPU训练方式，适合大规模数据集处理。模型拥有50.2M参数和25.6 GMACs，支持384x384图像输入，并兼具特征图提取与图像嵌入功能，适用于高效图像处理需求。更多性能数据及结果可在timm库查阅。

mixer_b16_224.goog_in21k_ft_in1k - MLP-Mixer架构的ImageNet预训练模型实现图像分类与特征提取

GithubHuggingfaceImageNetMLP-Mixertimm图像分类开源项目模型神经网络

mixer_b16_224.goog_in21k_ft_in1k是一个基于MLP-Mixer架构的图像分类模型，在ImageNet-21k预训练后在ImageNet-1k微调。该模型拥有5990万参数，处理224x224图像输入，可用于图像分类和特征提取。项目提供了简洁的代码示例，展示了模型在图像分类和特征提取任务中的应用。这个模型为计算机视觉研究提供了有力工具。

convnext_tiny.in12k_ft_in1k - ConvNeXt微型模型基于ImageNet-12k预训练和ImageNet-1k微调

ConvNeXtGithubHuggingfaceImageNettimm图像分类开源项目模型预训练模型

ConvNeXt微型图像分类模型在ImageNet-12k数据集上预训练,并在ImageNet-1k上微调。模型采用最新ConvNeXt架构,参数量28.59M,GMACs 4.47,激活量13.44M。224x224输入时Top-1准确率84.186%,384x384输入时达85.118%。适用于图像分类、特征提取和图像嵌入等计算机视觉任务。

mnasnet_100.rmsp_in1k - MNasNet轻量级移动端图像分类模型

GithubHuggingfaceImageNet-1kMNasNettimm图像分类开源项目模型神经网络架构

mnasnet_100.rmsp_in1k是基于MNasNet架构的轻量级图像分类模型，针对移动设备优化设计。该模型在ImageNet-1k数据集上训练，通过timm库实现。它采用RMSProp优化器和指数衰减学习率，参数量为4.4M，GMACs为0.3，适用于224x224像素图像。模型支持图像分类、特征提取和嵌入等功能，为移动端AI应用提供高效解决方案。

resnet152.a1h_in1k - ResNet152图像分类模型基于ResNet Strikes Back改进架构

GithubHuggingfaceResNettimm图像分类开源项目模型深度学习神经网络

resnet152.a1h_in1k是基于ResNet Strikes Back改进的ResNet152模型。该模型采用ReLU激活函数、单层7x7卷积加池化、1x1卷积shortcut下采样等特性,在ImageNet-1k数据集上训练。模型参数量60.2M,GMACs 11.6,激活大小22.6M。288x288图像输入下Top-1准确率83.46%,Top-5准确率96.54%。可用于图像分类和特征提取。

ghostnet_100.in1k - GhostNet轻量级图像分类模型实现高效特征提取

GhostNetGithubHuggingface图像分类开源项目模型深度学习特征提取神经网络

ghostnet_100.in1k是基于GhostNet架构的轻量级图像分类模型，在ImageNet-1k数据集上训练。该模型通过创新的特征生成方法，实现了高效的特征提取。模型参数量为5.2M，GMACs仅0.1，适用于224x224像素的图像输入。除图像分类外，还可作为特征提取器应用于其他计算机视觉任务。用户可通过timm库轻松加载和使用该模型。

beit_base_patch16_224.in22k_ft_in22k_in1k - BEiT模型：基于ImageNet数据集的高效图像分类与特征提取

BEiTGithubHuggingfaceImageNettimm图像分类开源项目模型预训练模型

beit_base_patch16_224.in22k_ft_in22k_in1k是一个强大的图像分类模型，基于BEiT架构设计。该模型在ImageNet-22k数据集上进行自监督掩码图像建模预训练，并在ImageNet-22k和ImageNet-1k上微调，具有8650万个参数。它支持224x224像素的输入图像，可用于图像分类和特征提取，为计算机视觉任务提供高效解决方案。

mobilenetv3_large_100.ra_in1k - MobileNet-v3 轻量级高效图像分类模型

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

MobileNet-v3是一款针对移动设备优化的图像分类模型。它在ImageNet-1k数据集上训练，采用RandAugment增强技术和RMSProp优化器。模型参数仅5.5M，计算量0.2 GMACs，支持224x224像素输入。除图像分类外，还可用于特征提取和生成图像嵌入，是资源受限环境下的理想选择。

nfnet_l0.ra2_in1k - 轻量级NFNet模型：无需规范化层的高效图像识别

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

nfnet_l0.ra2_in1k是一种创新的轻量级NFNet图像分类模型，摒弃了传统的规范化层。它通过Scaled Weight Standardization和策略性放置的标量增益，实现了高效的大规模图像识别。基于ImageNet-1k数据集训练，该模型拥有3510万参数，适用于图像分类、特征提取和嵌入任务。这种无需常规规范化层的设计，为高性能图像处理提供了新的可能。

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