🚀 convnext-base-224-22k-1k-orig-cats-vs-dogs

本模型是 facebook/convnext-base-224-22k-1k 在 cats_vs_dogs 数据集上的微调版本。它在图像分类任务中表现出色，能有效区分猫和狗的图像。

🚀 快速开始

此模型是在 cats_vs_dogs 数据集上对 facebook/convnext-base-224-22k-1k 进行微调得到的。在评估集上取得了以下结果：

• 损失值：0.0103
• 准确率：0.9973

Jockum Nordström, Cat Dog Cat, 2016

✨ 主要特性

视觉识别的 “咆哮二十年代” 始于视觉变换器（ViT）的引入，它迅速取代卷积神经网络（ConvNet）成为最先进的图像分类模型。然而，普通的 ViT 在应用于通用计算机视觉任务（如目标检测和语义分割）时面临困难。正是分层变换器（如 Swin Transformer）重新引入了一些卷积神经网络的先验知识，使变换器实际上可作为通用视觉骨干网络，并在各种视觉任务中展现出卓越的性能。然而，这种混合方法的有效性在很大程度上仍归功于变换器的内在优越性，而非卷积的固有归纳偏置。

在这项工作中，研究人员重新审视了设计空间，并测试了纯卷积神经网络所能达到的极限。他们逐步将标准的 ResNet “现代化” 为视觉变换器的设计，并在此过程中发现了几个导致性能差异的关键组件。这次探索的成果是一系列名为 ConvNeXt 的纯卷积神经网络模型。ConvNeXt 完全由标准的卷积神经网络模块构建而成，在准确性和可扩展性方面与变换器相媲美，在 ImageNet 上达到了 87.8% 的 top-1 准确率，在 COCO 检测和 ADE20K 分割任务中优于 Swin Transformer，同时保持了标准卷积神经网络的简单性和高效性。

📚 详细文档

训练超参数

训练过程中使用了以下超参数：

BibTeX 引用和引用信息

@article{DBLP:journals/corr/abs-2201-03545,
  author    = {Zhuang Liu and
               Hanzi Mao and
               Chao{-}Yuan Wu and
               Christoph Feichtenhofer and
               Trevor Darrell and
               Saining Xie},
  title     = {A ConvNet for the 2020s},
  journal   = {CoRR},
  volume    = {abs/2201.03545},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.03545},
  eprinttype = {arXiv},
  eprint    = {2201.03545},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 许可证

本项目采用 Apache-2.0 许可证。