该模型是基于google/vit-base-patch16-224-in21k在CIFAR10数据集上微调的图像分类模型,准确率达96.78%。
下载量 43
发布时间 : 11/28/2023
模型简介
Vision Transformer (ViT) 图像分类模型,适用于通用图像分类任务。
模型特点
高准确率
在CIFAR10数据集上达到96.78%的分类准确率
基于Transformer架构
采用Vision Transformer架构,利用自注意力机制处理图像
预训练微调
基于大规模预训练模型进行微调,适应特定分类任务
模型能力
图像分类
特征提取
使用案例
计算机视觉
通用图像分类
对常见物体图像进行分类识别
在CIFAR10上达到96.78%准确率
图像理解
提取图像特征用于下游任务
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