Xception

SqueezeNet – PyTorch

AI 模型

深度卷积神经网络模型，可通过 PyTorch 使用。它在实现 AlexNet 级别准确率的同时，参数量和模型尺寸显著减少，使其在各种计算机视觉任务中效率很高。该模型在 ImageNet 上进行了预训练，可以轻松集成到 PyTorch 项目中。SqueezeNet 是一个深度卷积神经网络模型，可通过 PyTorch 使用。它在实现 AlexNet 级别准确率的同时，参数量和模型尺寸显著减少，使其在各种计算机视觉任务中效率很高。该模型在 ImageNet 上进行了预训练，可以轻松集成到 PyTorch 项目中。

ConvMixer

AI GitHub 仓库

该存储库提供了 ConvMixer 的实现，这是一种用于图像识别任务的卷积神经网络架构。它基于论文 "Patches Are All You Need? 🤷"，并提供预训练模型权重用于评估以及在 ImageNet-1k 和 CIFAR-10 等数据集上进行训练的代码。

RepVGG

AI GitHub 仓库

强大而简单的卷积神经网络 (ConvNet) 架构，可在 ImageNet 上实现高精度。它采用了 VGG 风格的设计并结合了重参数化技术，从而实现了高效的推理。该项目提供了预训练模型、训练代码以及用于各种计算机视觉任务的示例。RepVGG 是一种强大而简单的卷积神经网络 (ConvNet) 架构，可在 ImageNet 上实现高精度。它采用了 VGG 风格的设计并结合了重参数化技术，从而实现了高效的推理。该项目提供了预训练模型、训练代码以及用于各种计算机视觉任务的示例。

Vision Transformer

AI GitHub 仓库

Vision Transformer (ViT) 仓库提供了用于图像识别任务的模型和代码。它包括 Vision Transformer 和 MLP-Mixer 架构的实现，这些模型已在 ImageNet 和 ImageNet-21k 数据集上进行了预训练，并提供了 JAX/Flax 中的微调代码。

SPP_net

AI GitHub 仓库

用于深度卷积网络的空间金字塔池化算法的重新实现，应用于视觉识别领域。它旨在复现一篇 2014 年 ECCV 论文中的目标检测结果，并利用 Caffe 框架方便代码发布。该项目提供了用于训练和微调模型的代码。SPP_net 是用于深度卷积网络的空间金字塔池化算法的重新实现，应用于视觉识别领域。它旨在复现一篇 2014 年 ECCV 论文中的目标检测结果，并利用 Caffe 框架方便代码发布。该项目提供了用于训练和微调模型的代码。

GluonCV 工具包

AI 框架

开源计算机视觉工具包，提供最先进的深度学习算法。它拥有一个庞大的模型库，包含超过 170 个预训练模型，灵活的 API 和易于理解的实现，旨在加速研究人员、工程师和学生的原型开发和学习。GluonCV 是一个开源计算机视觉工具包，提供最先进的深度学习算法。它拥有一个庞大的模型库，包含超过 170 个预训练模型，灵活的 API 和易于理解的实现，旨在加速研究人员、工程师和学生的原型开发和学习。

可变形卷积网络

AI GitHub 仓库

通过自适应地学习卷积核的采样偏移量来增强深度学习模型。这使得网络能够更好地捕捉几何变换和物体形变，从而提高目标检测和语义分割等任务的性能。该项目提供了实现和预训练模型。可变形卷积网络 (DCN) 通过自适应地学习卷积核的采样偏移量来增强深度学习模型。这使得网络能够更好地捕捉几何变换和物体形变，从而提高目标检测和语义分割等任务的性能。该项目提供了实现和预训练模型。

Vision GNN (ViG)

AI GitHub 仓库

华为诺亚方舟实验室开发的 Vision Graph Neural Networks 的 PyTorch 实现。它为图像处理任务提供了高效的 AI 主干网络，包括 ViG 和 Pyramid ViG 架构的预训练模型和训练脚本。Vision GNN (ViG) 是华为诺亚方舟实验室开发的 Vision Graph Neural Networks 的 PyTorch 实现。它为图像处理任务提供了高效的 AI 主干网络，包括 ViG 和 Pyramid ViG 架构的预训练模型和训练脚本。