基于Google的ViT-Large模型微调的黑色素瘤图像分类模型，在评估集上达到82.73%的准确率

这是一个在Food-101数据集上微调的视觉Transformer模型，用于食物图像分类任务。

基于Google的ViT模型微调，用于黑色素瘤癌症图像分类，准确率达93.95%。

基于谷歌ViT基础模型微调的阿尔茨海默病MRI图像分类模型，准确率达92.6%

基于Google Vision Transformer (ViT)架构的微调模型，专门用于区分模糊与清晰的图像分类任务

基于DINOv2基础模型微调的皮肤疾病分类模型，在ISIC 2018+Atlas Dermatology数据集上达到95.57%的准确率。

基于Google的ViT模型在豆类数据集上微调得到的图像分类模型，准确率达98.5%

这是一个基于Google的ViT模型在beans数据集上微调得到的图像分类模型，在验证集上达到了98.5%的准确率。

基于Vision Transformer的图像分类模型，用于识别街景图像中的植被部分，准确率达92.9%。

这是一个基于Google的ViT模型在豆类数据集上微调的图像分类模型，在验证集上取得了99.25%的高准确率。

zoalearn2是基于Google的ViT模型微调的珊瑚物种分类模型，能够识别32种最受欢迎的珊瑚物种。

基于Google Vision Transformer微调的多标签图像分类模型，专门用于识别动画剧集《飞出个未来》截图中的内容。

基于ViT架构的食物分类模型，在Food101数据集上微调，准确率达98.5%

基于ViT架构的食品图像分类模型，在Food101数据集上微调，准确率达96%

基于ViT架构的肺部和结肠癌多类别图像分类模型，在评估集上准确率达99.94%

该模型是基于Google的ViT-base-patch16-224-in21k在岩石冰川数据集上微调的图像分类模型，准确率达92.58%。

基于facebook/deit-base-patch16-224微调的表情包分类模型，在imagefolder数据集上达到84.85%的准确率

基于ViT架构的图像分类模型，在特定数据集上训练8个周期，准确率达到94.99%。

基于mriDataSet数据集对facebook/deit-base-distilled-patch16-224进行微调的图像分类模型，准确率达99.01%

该模型是基于Google的ViT架构在beans数据集上微调的图像分类模型，准确率达96.99%。