RT-DETRv2是基于DETR架构改进的实时目标检测模型，通过选择性多尺度特征提取和动态数据增强等创新点优化了检测性能。

RT-DETRv2是一种改进的实时目标检测Transformer模型，通过选择性多尺度特征提取和动态数据增强等策略提升性能。

RT-DETRv2是实时目标检测Transformer模型的改进版本，通过多尺度特征提取和优化训练策略提升性能。

RT-DETRv2是基于RT-DETR架构优化的实时目标检测模型，通过选择性多尺度特征提取和训练策略改进，在保持实时性能的同时提升检测精度。

基于timm库的SAM2（仅HieraDet图像编码器）权重，源自Facebook的Hiera小型模型。

Switti是一种基于尺度感知的文本到图像生成变换器，专注于高质量的图像合成。

RT-DETRv2是改进版实时检测变换器，通过引入即插即用优化方案提升灵活性与实用性，并优化训练策略实现更强性能。

MSI-Net是一种视觉显著性模型，通过基于眼动数据训练的上下文编码器-解码器网络预测人类在自然图像上的注视点。

Hiera是一种高效的分层式Transformer架构，通过MAE训练优化空间偏置特性，显著提升参数利用效率

一个用于图像分割任务的深度学习模型，能够将图像中的不同对象或区域进行精确分割。

FocalNet是一个基于焦点调制网络的图像分类模型，由微软团队在ImageNet-22k数据集上预训练完成。

ResNet50是基于深度残差学习实现的图像分类模型，通过残差连接解决了深度神经网络中的梯度消失问题。

ResNet18是基于深度残差学习实现的图像分类模型，通过残差连接解决了深层网络训练困难的问题。

ResNet152是基于深度残差学习的图像分类模型，通过残差连接解决了深度网络训练中的梯度消失问题。