这是一个采用监督对比学习技术训练的CIFAR-10图像分类模型,测试准确率达到81.06%
下载量 29
发布时间 : 3/2/2022
模型简介
该模型使用监督对比学习方法在CIFAR-10数据集上进行训练,能够对10类常见物体(如飞机、汽车、鸟类等)进行图像分类。相比传统方法,采用对比学习提高了模型性能。
模型特点
监督对比学习
采用Prannay Khosla等人提出的监督对比学习方法,相比传统分类方法能学习到更具判别性的特征表示
性能提升
对比学习方法使模型在CIFAR-10上的测试准确率达到81.06%,比传统方法(79.88%)有所提高
轻量级实现
基于tf-keras实现,便于部署和集成
模型能力
图像分类
特征提取
使用案例
计算机视觉
物体识别
识别图像中的常见物体类别
在CIFAR-10数据集上达到81.06%准确率
教育演示
用于教学对比学习在计算机视觉中的应用
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