resnet18.fb_swsl_ig1b_ft_in1k

基于ResNet-B的ReLU激活图像分类模型

Github timm库模型 ImageNet-1k 开源项目 ResNet-B 半弱监督学习图像分类 Huggingface

本项目展示ResNet-B模型，用于图像分类，特征包括ReLU激活、7x7卷积池化和1x1卷积下采样。模型在Instagram-1B数据集上以半监督学习预训练，并在ImageNet-1k数据集上微调，适用于特征提取和图像嵌入。

resnet18.a1_in1k - ResNet18图像分类模型适用于多种计算机视觉任务

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

resnet18.a1_in1k是基于ResNet-B架构的图像分类模型,在ImageNet-1k数据集上训练。它采用ReLU激活函数、单层7x7卷积等特性,支持图像分类、特征提取和嵌入等任务。该模型有1170万参数,在224x224分辨率下计算量为1.8 GMACs,可用于多种计算机视觉应用。

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。

resnext101_32x16d.fb_swsl_ig1b_ft_in1k - Instagram预训练的ResNeXt模型用于图像分类和特征提取

GithubHuggingfaceResNeXttimm图像分类开源项目模型深度学习预训练模型

该模型基于ResNeXt-B架构，在Instagram-1B数据集上进行半监督预训练，并在ImageNet-1k上微调。模型拥有1.94亿参数，接受224x224像素输入图像，适用于图像分类、特征图提取和图像嵌入任务。它采用ReLU激活函数、单层7x7卷积和池化，以及1x1卷积的shortcut连接。在ImageNet验证集上，模型达到83.35%的Top-1准确率，展现出优秀的性能。

resnet50_gn.a1h_in1k - ResNet-B架构图像分类模型结合先进训练方法

GithubHuggingfaceImageNetResNettimm图像分类开源项目模型神经网络

resnet50_gn.a1h_in1k是基于ResNet-B架构的图像分类模型，集成了多项先进训练技术。模型采用ReLU激活函数、单层7x7卷积与池化、1x1卷积快捷连接下采样等结构。在ImageNet-1k数据集上训练时，应用了LAMB优化器、增强型dropout、随机深度和RandAugment等方法。模型参数量为25.6M，GMACs为4.1，训练输入尺寸为224x224，测试输入尺寸为288x288。该模型可应用于图像分类、特征提取和图像嵌入等多种计算机视觉任务。

resnet50.a1_in1k - 基于ResNet-B架构的多功能图像分类模型

GithubHuggingfaceresnet50人工智能图像分类开源项目模型深度学习特征提取

resnet50.a1_in1k是基于ResNet-B架构的图像分类模型，在ImageNet-1k数据集上训练。模型采用ReLU激活函数、7x7卷积层和1x1卷积shortcut，使用LAMB优化器和BCE损失函数。它拥有2560万参数，可用于图像分类、特征提取和图像嵌入等任务。模型支持灵活的输入尺寸，在ImageNet验证集上实现了82.03%的Top-1准确率。

resnetrs152.tf_in1k - ResNetRS-B模型提供的图像信息处理新选择

GithubHuggingfaceImageNetResNetRS-BTensorflowtimm图像分类开源项目模型

ResNetRS-B是一款图像分类模型，具备ReLU激活、单层7x7卷积池化和1x1卷积下采样功能。该模型由论文作者在ImageNet-1k上使用Tensorflow训练，拥有86.6M的参数量，支持320x320图像测试。其多功能性使其适用于图像分类、特征提取和图像嵌入任务，通过timm库可便捷地在Python中实现应用。

resnet18.tv_in1k - 精简高效的ResNet18图像分类模型

GithubHuggingfaceResNet图像分类开源项目模型模型架构深度学习神经网络

resnet18.tv_in1k是一个基于ResNet-B架构的图像分类模型，采用ReLU激活函数和7x7卷积池化层。模型参数量为11.7M，运算量为1.8 GMACs，兼具轻量和高效。支持图像分类、特征图提取和图像嵌入，可处理224x224尺寸图像。该模型使用ImageNet-1k数据集训练，是torchvision的原始权重模型，适用于需要平衡性能和资源的应用场景。

resnet18.a3_in1k - 简化且高效的图像分类模型，支持轻松集成

GithubHuggingfaceImageNetResNet图像分类开源项目模型特征提取神经网络

resnet101.a1h_in1k - ResNet-B架构图像分类模型支持多样化特征提取

GithubHuggingfaceResNettimm图像分类开源项目模型深度学习预训练模型

resnet101.a1h_in1k是基于ResNet-B架构的图像分类模型，在ImageNet-1k数据集上训练。模型采用ReLU激活函数、7x7卷积和池化层、1x1卷积短路下采样等结构。支持图像分类、特征图提取和图像嵌入功能，参数量44.5M，224x224输入下GMAC为7.8。在ImageNet验证集上Top-1准确率82.8%，Top-5准确率96.32%。

resnet-18 - 深度残差学习实现图像识别突破

GithubHuggingfaceImageNetResNet图像分类开源项目模型深度学习计算机视觉

ResNet-18是一种基于深度残差学习的图像分类模型，在ImageNet-1k数据集上训练。通过引入残差连接，该模型突破了深度网络训练的限制，实现了高达1000层的网络结构。ResNet-18在2015年ILSVRC和COCO竞赛中的胜利，标志着计算机视觉领域的重要进展。这个模型适用于多种图像分类任务，并支持快速部署和微调。研究者和开发者可以通过Hugging Face的transformers库轻松使用ResNet-18进行图像识别研究和应用开发。

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