基于Google Vision Transformer (ViT)架构的微调模型,专门用于藻类图像分类任务
下载量 39
发布时间 : 2/14/2023
模型简介
该模型是在google/vit-base-patch16-224基础上微调的版本,主要用于RGB格式的藻类图像分类任务。
模型特点
基于ViT架构
采用Vision Transformer架构,利用自注意力机制处理图像数据
藻类图像分类优化
专门针对藻类RGB图像进行微调,适合相关研究领域
中等规模模型
基于ViT-Base架构,平衡了性能与计算资源需求
模型能力
藻类图像分类
RGB图像处理
图像特征提取
使用案例
环境监测
藻类识别与分类
用于水体环境监测中的藻类识别和分类
验证集准确率61.74%
生物研究
藻类样本分析
辅助研究人员快速分类和分析不同藻类样本
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文