基于Google Vision Transformer (ViT)架构的微调模型,适用于图像分类任务
下载量 33
发布时间 : 12/14/2022
模型简介
该模型是在google/vit-base-patch16-224-in21k基础上微调的版本,主要用于图像分类任务,在评估集上达到了98.53%的准确率
模型特点
高准确率
在评估集上达到了98.53%的分类准确率
基于ViT架构
采用Vision Transformer架构,利用自注意力机制处理图像
预训练模型微调
基于google/vit-base-patch16-224-in21k预训练模型进行微调
模型能力
图像分类
视觉特征提取
使用案例
计算机视觉
通用图像分类
对输入图像进行分类识别
评估准确率98.53%
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