使用微调Vision Transformer（ViT）检测深度伪造图像的二分类模型

基于Google Vision Transformer (ViT)架构的图像分类模型，用于检测监控摄像头图像中的犯罪行为，准确率约83%。

基于google/vit-base-patch16-224微调的图像分类模型，在评估集上准确率达到82.5%

基于ViT架构的图像分类模型，用于识别图像中是否包含文本及文本类型（拉丁字母、中文、阿拉伯文）

基于Google Vision Transformer (ViT)架构的图像分类模型，在food101数据集上微调，用于食品图像分类任务

这是一个基于Google的ViT模型进行微调的图像分类模型，专门用于表情包识别任务。

基于google/vit-base-patch16-224-in21k模型在sudo-s/herbier_mesuem1数据集上微调的图像分类模型，准确率达91.29%