基于Google的ViT模型在未知数据集上微调的视觉分类模型,擅长图像分类任务
下载量 33
发布时间 : 11/25/2022
模型简介
该模型是基于Google的ViT-base-patch16-224架构微调的版本,主要用于图像分类任务。在评估中表现出较高的准确率(87.81%)和F1值(87.58%)。
模型特点
高精度分类
在评估集上达到87.81%的准确率和87.58%的F1值,表现优异
基于ViT架构
采用Vision Transformer架构,具有强大的图像特征提取能力
高效微调
通过15轮训练即达到良好性能,学习率调度策略优化
模型能力
图像分类
视觉特征提取
多类别识别
使用案例
图像识别
车辆型号识别
可用于识别不同品牌和型号的车辆
准确率87.81%
产品分类
适用于电商平台的产品自动分类
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