基于Google Vision Transformer (ViT)架构的二分类图像分类模型,在特定数据集上微调实现高精度分类
下载量 15
发布时间 : 12/6/2022
模型简介
这是一个基于ViT架构的视觉Transformer模型,专门针对二分类任务进行了微调,在评估集上表现出色(F1分数0.9873)。
模型特点
高精度分类
在评估集上达到0.9873的F1分数,表现优异
基于ViT架构
采用Vision Transformer架构,利用自注意力机制处理图像
高效微调
基于预训练模型进行微调,节省训练资源
模型能力
图像分类
二分类任务处理
视觉特征提取
使用案例
医学影像分析
病变检测
用于识别医学影像中的特定病变特征
工业质检
缺陷产品检测
识别生产线上的缺陷产品
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