V

Vit Base Patch16 224 In21k

由 Xenova 开发
基于Transformer架构的视觉模型,通过16x16图像块处理224x224分辨率输入,在ImageNet-21k数据集上预训练
下载量 132
发布时间 : 5/3/2023
模型介绍
内容详情
替代品

模型简介

该模型采用纯Transformer架构处理图像分类任务,突破传统CNN的限制,将图像分割为固定大小的块后通过自注意力机制建模全局关系

模型特点

纯Transformer架构
完全基于自注意力机制处理图像,无需卷积操作
全局上下文建模
通过Transformer的自注意力机制捕获图像全局依赖关系
高效图像分块处理
将图像划分为16x16像素块作为输入序列

模型能力

图像特征提取
图像分类
迁移学习基础模型

使用案例

计算机视觉
通用图像分类
对自然图像进行1000类别的分类识别
在ImageNet验证集上达到约80% top-1准确率(推断值)
迁移学习基础
通过微调适配特定领域的图像识别任务