ResNet-50 是一个深度残差网络，由微软研究院开发，广泛用于图像分类任务。

一个基于PyTorch和HuggingPics构建的图像分类模型，能够准确区分猫和狗的图片。

一个基于HuggingPics生成的轻量级图像分类模型，用于性别分类任务。

基于Google Vision Transformer (ViT)架构微调的植物识别模型，在评估集上达到80.96%的准确率

该模型是基于microsoft/resnet-50在未知数据集上微调的版本，主要用于图像分类任务，在评估集上取得了84.86%的准确率。

KAT是一种采用分组有理科尔莫戈罗夫-阿诺德网络（GR-KAN）替代传统Transformer中通道混合器的新型视觉模型，在ImageNet-1k数据集上训练。

开放剪辑是一个零样本图像分类模型，能够在不进行微调的情况下对图像进行分类。

基于Google的ViT-base-patch16-224模型微调而成的图像分类模型，在评估集上准确率为68.97%

MobileNet V2是一种轻量级的卷积神经网络，专为移动设备设计，在延迟、模型大小和准确性之间取得平衡。

基于ResNet-18微调的字体识别模型，在测试集上准确率达78.1%

基于ResNet18微调的字体识别模型，可识别48种标准字体，测试准确率达96.33%

本模型是基于Google的ViT架构在图像文件夹数据集上微调的人脸识别模型，在评估集上取得了接近完美的准确率。

基于EfficientNet-B2微调的鸟类图像分类器，可识别525种鸟类，准确率高达99%

基于ResNet-18微调的猫狗图像分类模型，在Kaggle猫狗数据集上训练，准确率达99.29%

基于DINOv2方法训练的小型视觉Transformer模型，适用于图像特征提取和分类任务

该模型是基于Google的ViT-base-patch16-224在图像文件夹数据集上微调的图像分类模型，在评估集上取得了85.76%的准确率。

基于HuggingPics生成的图像分类模型，能够识别不同品种的狗

金字塔视觉变换器（PVT）是一种基于变换器架构的视觉模型，专为图像分类任务设计。

基于google/vit-base-patch16-224微调的视觉模型，适用于图像分类任务

基于google/vit-base-patch16-224微调的视觉Transformer模型，适用于图像分类任务

基于Google的ViT基础模型在字母识别数据集上微调的图像分类模型，准确率达98.81%

基于Google的ViT模型在Diatome数据集上微调的视觉分类模型，准确率达94.29%

基于google/vit-base-patch16-224微调的视觉模型，具体用途未明确说明

基于微软ResNet-50微调的人脸分类模型，在验证集上达到99.84%的准确率

这是由microsoft/swin-tiny-patch4-window7-224模型转换而来的OpenVINO版本，用于加速图像分类推理。

Doge 是一个基于 HuggingPics 生成的图像分类模型，专门用于识别 Doge 相关的图像。

基于microsoft/swin-tiny-patch4-window7-224微调的视觉模型，在评估集上达到100%准确率

这是一个基于Google的ViT模型进行微调的图像分类模型，在fl_image_category_ds数据集上训练，准确率达到66.22%。

基于ViT架构的艺术风格分类模型，可识别输入图像的艺术风格类别

基于microsoft/resnet-18微调的图像分类模型，在fl_image_category_ds数据集上训练

基于预处理1024配置数据集微调的ViT模型，用于图像分类任务

ConvNeXt V2是一种纯卷积模型，采用FCMAE框架预训练，在ImageNet-22K数据集上微调，适用于图像分类任务。

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。

ConvNeXt V2是一种纯卷积模型，采用FCMAE框架预训练并在ImageNet-1K数据集上微调，显著提升了纯卷积网络的识别性能。

ConvNeXt V2是基于FCMAE框架预训练的纯卷积模型，在ImageNet-1K数据集上微调，适用于图像分类任务。

基于Google的ViT模型微调的面部表情识别模型，在FER2013数据集上训练，准确率达70.22%。

该模型是基于Google的ViT模型在藻类数据集上微调的视觉分类模型，主要用于藻类图像分类任务。

基于microsoft/resnet-50微调的图像分类模型，在评估集上准确率达到64.1%

基于google/vit-base-patch16-224微调的视觉分类模型，用于识别第一世代宝可梦

一个基于PyTorch和HuggingPics的简单图像分类模型，用于判断图像中的人物是否秃头。