B

Beit Base Patch16 224

由 nielsr 开发
BEiT是一种基于图像变换器的视觉模型,采用类似BERT的自监督预训练方法,先在ImageNet-22k上预训练和微调,再在ImageNet-1k上微调。
下载量 28
发布时间 : 3/2/2022
模型介绍
内容详情
替代品

模型简介

BEiT模型通过自监督学习在ImageNet-22k数据集上进行预训练,能够有效捕捉图像特征,适用于各种图像分类任务。

模型特点

自监督预训练
采用类似BERT的自监督学习方法,无需大量标注数据即可进行有效预训练。
双阶段微调
先在ImageNet-22k数据集上微调,再在ImageNet-1k上进一步微调,提高模型性能。
图像变换器架构
基于Transformer的架构,能够有效捕捉图像中的全局和局部特征。

模型能力

图像特征提取
图像分类
视觉表示学习

使用案例

计算机视觉
通用图像分类
对自然图像进行分类,识别图像中的主要对象或场景。
在ImageNet等标准数据集上取得良好性能
视觉特征提取
作为其他视觉任务的基础特征提取器。
可用于目标检测、图像分割等下游任务