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。

resnet50d.ra2_in1k - 基于ResNet-D架构的高效图像分类与特征提取模型

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

ResNet-D是一款在ImageNet-1k数据集训练的图像分类模型，采用ReLU激活函数和三层卷积结构，包含2560万参数。模型支持224x224尺寸训练输入和288x288测试输入，集成RandAugment增强技术，可实现图像分类、特征提取等计算机视觉任务。

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。

res2net50_14w_8s.in1k - Res2Net架构的多尺度骨干网络实现高效图像分类

GithubHuggingfaceImageNetRes2Nettimm图像分类开源项目模型深度学习模型

res2net50_14w_8s.in1k是基于Res2Net架构的图像分类模型，在ImageNet-1k数据集上训练。该模型采用多尺度ResNet结构，具有2510万参数，计算复杂度为4.2 GMACs。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。模型接受224x224像素的输入图像，并提供API支持图像分类、特征图提取和图像嵌入等功能。其高效的多尺度结构使其在保持准确性的同时降低了计算成本。

resnet50.ram_in1k - ResNet50模型在ImageNet-1k上的应用与特征提取

AugMixGithubHuggingfaceImageNet-1kResNet-Btimm图像分类开源项目模型

ResNet50模型通过ReLU激活函数和7x7单层卷积实现图像分类，下采样优化采用1x1卷积。在训练过程中结合了AugMix、RandAugment与SGD优化策略，并通过余弦学习率和暖启动机制来提升在ImageNet-1k数据集上的表现。该模型由timm库实现，支持多种用途，如图像分类、特征提取和图像嵌入。

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。

inception_resnet_v2.tf_in1k - Inception-ResNet-v2架构的图像分类与特征提取模型

GithubHuggingfaceImageNet-1kinception_resnet_v2timm图像分类开源项目模型特征提取

inception_resnet_v2.tf_in1k是基于Inception-ResNet-v2架构的图像分类模型，在ImageNet-1k数据集上训练。模型拥有5580万参数，13.2 GMACs计算量，适用于299x299像素的输入图像。除图像分类外，该模型还支持特征图提取和图像嵌入功能。它在保持较低计算复杂度的同时提供高精度图像识别能力，适用于多种计算机视觉任务。

res2net101_26w_4s.in1k - Res2Net101多尺度骨干网络实现高效图像分类和特征提取

GithubHuggingfaceImageNet-1kRes2Nettimm图像分类开源项目模型特征提取

res2net101_26w_4s.in1k是基于Res2Net架构的图像分类模型，通过ImageNet-1k数据集训练而成。该模型采用多尺度设计，在图像分类和特征提取方面表现优异。它拥有4520万个参数，适用于224x224尺寸的图像处理。除图像分类外，还支持特征图提取和图像嵌入功能。研究人员和开发者可通过timm库便捷地将此模型应用于多种计算机视觉任务。

resmlp_12_224.fb_in1k - ResMLP架构的数据高效图像分类模型

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

resmlp_12_224.fb_in1k是Facebook Research团队基于ResMLP架构开发的图像分类模型，在ImageNet-1k数据集上训练。该模型采用前馈网络结构，拥有1540万参数，支持224x224像素图像处理。除图像分类外，还可作为特征提取骨干网络使用。通过timm库，研究者可方便地加载预训练模型进行图像分类或特征提取。该模型展现了数据高效训练在视觉任务中的潜力，为计算机视觉领域提供了新的解决方案。

resnet34.a1_in1k - ResNet34 A1变体：轻量级高效图像分类模型

GithubHuggingfaceResNettimm图像分类开源项目模型模型训练深度学习

resnet34.a1_in1k是一种轻量级ResNet变体，在ImageNet-1k上训练。该模型采用ResNet-B架构，结合ReLU激活、7x7卷积和1x1短路下采样。训练过程使用LAMB优化器、BCE损失和余弦学习率。作为通用骨干网络，它适用于图像分类、特征提取和嵌入生成，在维持性能的同时显著降低了计算复杂度。

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。

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