010-61503882

Model Zoo
计算机视觉
视觉分类
视觉分割
视觉生成
位姿估计
视觉大模型
OCR
视觉检测与跟踪
自然语言处理
机器翻译
文本检测
自然语言处理
语音
声纹识别
语音识别
Model Zoo
最新 访问量
Resnet50-Pytorch
Resnet(Residual Network， 残差网络) 系列网络是一种在图像分类中广泛使用的深度卷积神经网络，同时也作为计算机视觉任务主干经典神经网络的一部分。
图像视觉分类
2024-06-04 | 2266人看过
Swin_tiny-Pytorch
Swin Transformer(Swin这个名字代表移位窗口)最初是在arxiv中描述的，它能够作为计算机视觉的通用骨干。它基本上是一个分层的Transformer，其表示是用移位窗口计算的。移位窗口方案将自关注计算限制在不重叠的局部窗口，同时允许跨窗口连接，从而提高了效率。
图像视觉分类
2024-06-04 | 2923人看过
Vit_tiny-Pytorch
Vision Transforme，一个简单的方法来实现SOTA的视觉分类，只有一个单一的变压器编码器。提出了一种新的图像到补丁函数，该函数在对图像进行归一化并将图像划分为多个补丁之前，将图像的偏移量纳入到图像到补丁函数中。
图像视觉分类
2024-06-04 | 2205人看过
Deit_Tiny-Pytorch
DeiT 是一个全 Transformer 的架构。其核心是提出了针对 ViT 的教师-学生蒸馏训练策略，并提出了 token-based distillation 方法，使得 Transformer 在视觉领域训练得又快又好。
图像视觉检测
2024-06-04 | 1751人看过
Inception_V3-Pytorch
2012年AlexNet做出历史突破以来，直到GoogLeNet出来之前，主流的网络结构突破大致是网络更深（层数），但是纯粹的增大网络的缺点：1.参数太多，容易过拟合，若训练数据集有限；2.网络越大计算复杂度越大，难以应用；3.网络越深，梯度越往后穿越容易消失（梯度弥散），难以优化模型。Inception就是在这样的情况下应运而生。
图像视觉分类
2024-06-04 | 3693人看过
mixer_b16_224-Pytorch
Mlp-Mixer，一个简单的2021年初，Google AI 团队续ViT模型之后回归到传统的MLP网络，基于MLP网络设计了一个全MLP的Mixer结构来进行计算机视觉任务。相较于过去被广泛适用于各个领域的基于卷积的CNN和最近大火的基于自注意力的Transformer而言，Mixer完全基于早期的多层感知器MLP，仅仅依赖于基本的矩阵乘法来完成数据的处理和特征的提取，通过单纯的MLP网络、非线性激活函数、Layer归一化也能够取得与CNN和ViT网络相似的性能。
图像视觉分类
2024-06-04 | 2992人看过
MobileNet_V2-Pytorch
MobileNetV2是由谷歌开发的一种用于移动设备的轻量级卷积神经网络。与传统卷积神经网络相比，它具有更高的计算效率和更小的模型尺寸，可以在移动设备上实现高精度的图像识别任务。 MobileNetV2的主要原理是使用深度可分离卷积来减少模型的参数数量和计算量。深度可分离卷积将传统的卷积操作分解为两个独立的操作：深度卷积和逐点卷积。深度卷积仅在通道维度上进行卷积操作，而逐点卷积仅在空间维度上进行卷积操作。这种分解能大大降低计算复杂度，同时保持较高的分类精度。
图像视觉分类
2024-06-04 | 3671人看过
MobileVit_S-Pytorch
MobileViT，MobileViT 主要是为了解决 ViT 网络的缺陷而设计提出的，将 CNN 的优点融入到 Transformer 的结构中以解决 Transformer 网络存在的训练困难、迁移困难、调整困难的缺点，加快网络的推理和收敛速度，使得网络更加稳定高效
图像视觉分类
2024-06-04 | 1844人看过
SqueezeNet1_0-Pytorch
SqueezeNet 是UC Berkeley和Stanford研究人员一起完成的网络结构和设计思想。SqueezeNet设计目标不是为了得到最佳的CNN识别精度，而是希望简化网络复杂度，同时达到public网络的识别精度。所以SqueezeNet主要是为了降低CNN模型参数数量而设计的。
图像视觉分类
2024-06-04 | 2370人看过
VGG16-Pytorch
VGG（Visual Geometry Group）是一个视觉几何组在2014年提出的深度卷积神经网络架构。 VGG在2014年ImageNet图像分类竞赛亚军，定位竞赛冠军；VGG网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中VGG16和VGG19最为著名。
图像视觉分类
2024-06-04 | 1528人看过