PVT是一种基于Transformer的视觉模型，采用金字塔结构处理图像，在ImageNet-1K上预训练，适用于图像分类任务。

基于ResNet-152微调的植物幼苗分类模型，在测试集上准确率达77.67%

ConvNeXt V2是一种纯卷积模型，引入全卷积掩码自编码框架和全局响应归一化层，显著提升卷积网络在识别任务上的性能。

该模型是基于ConvNeXT架构的微型版本，在cifar10数据集上进行微调，适用于图像分类任务。

LeViT-128S是基于ImageNet-1k数据集预训练的视觉Transformer模型，结合了卷积网络的优势以实现更快推理。

LeViT-384是基于ImageNet-1k数据集预训练的视觉Transformer模型，结合了卷积网络的优势以实现更快的推理速度。

ResNet-50是基于ImageNet-1k预训练的残差网络模型，采用v1.5架构改进，适用于图像分类任务。

基于ImageNet-1k数据集预训练的深度残差网络模型，用于图像分类任务

该视觉Transformer（ViT）模型在ImageNet-21k数据集上预训练，适用于图像分类任务。

该视觉变换器（ViT）模型在ImageNet-21k数据集上以224x224分辨率进行了预训练，适用于图像分类任务。

ConvNeXT是一个纯卷积模型，设计灵感来自视觉Transformer，在ImageNet-1k数据集上以224x224分辨率训练而成。

基于ImageNet-21k数据集预训练的视觉Transformer模型，适用于图像特征提取和下游任务微调。

基于ImageNet-21k预训练的视觉Transformer模型，采用超大尺寸架构，适用于图像分类等视觉任务。

ConvNeXT是一个纯卷积模型，其设计灵感来自视觉Transformer，宣称性能优于视觉Transformer。

蒸馏版高效数据图像Transformer（DeiT）模型在ImageNet-1k上以224x224分辨率进行了预训练和微调，通过蒸馏学习从教师模型中提取知识。

BEiT是一种基于视觉Transformer（ViT）的图像分类模型，通过自监督方式在ImageNet-22k上预训练并在相同数据集上微调。

ConvNeXT是一个纯卷积模型，其设计灵感来自视觉Transformer，宣称性能优于视觉Transformer。

BEiT是一种基于视觉Transformer（ViT）的自监督学习模型，通过ImageNet-21k数据集预训练，用于图像分类任务。