RoPE ViT классификатор изображений Places365
Модель RoPE ViT для классификации изображений на 365 категорий мест.
О сервисе
Обзор модели Данная модель представляет собой классификатор изображений RoPE ViT, специально разработанный для распознавания категорий мест. Она прошла двухэтапный процесс обучения: сначала предварительное обучение с использованием CAPI, а затем дообучение на обширном наборе данных Places365. Детали модели Тип модели: Backbone для классификации и обнаружения изображений Параметры (М): 86.0 Размер входного изображения: 224 x 224 Набор данных: Places365 (365 классов) Производительность Точность Top-1 при 224x224: 58.42% Как это работает: Применение Классификация изображений Используйте следующий код Python для классификации изображений: Получение эмбеддингов изображений Чтобы получить эмбеддинги изображений, используйте следующий пример: Карта признаков для обнаружения Получение карты признаков для задач обнаружения: Публикации An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale: https://arxiv.org/abs/2010.11929 Rotary Position Embedding for Vision Transformer: https://arxiv.org/abs/2403.13298 Vision Transformers Need Registers: https://arxiv.org/abs/2309.16588 Cluster and Predict Latent Patches for Improved Masked Image Modeling: https://arxiv.org/abs/2502.08769 Ссылки birder-project/rope_vit_reg4_b14_capi-places365 Ссылки https:// https://huggingface.co/birder-project/rope_vit_reg4_b14_capi-places365 Источник: https://qubu.ai/models/ro-pe-vi-t-klassifikator-izobrazhenii-places365 License: MIT
