A Swin-B image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 109.1 - Image size: 224 x 224 - Architecture: swin_base_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
A CLIP based image feature model. Supervisely pre-trained on animal re-identification datasets. Original model: timm/vit_large_patch14_clip_336.openai_ft_in12k_in1k - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 304.5 - GMACs: 174.7 - Activations (M): 128.2 - Image size: 336 x 336
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
A DINOv2 based image feature model. Supervisely pre-trained on animal re-identification datasets. Original model: timm/vit_large_patch14_dinov2.lvd142m - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 304.4 - GMACs: 507.1 - Activations (M): 1058.8 - Image size: 518 x 518
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
A Swin-L image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 228.6 - Image size: 224 x 224 - Architecture: swin_large_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
A Swin-L image feature model. Superwisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 228.8 - Image size: 384 x 384 - Architecture: swin_large_patch4_window12_384 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
A Swin-S image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 49.6 - Image size: 224 x 224 - Architecture: swin_small_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
A Swin-T image feature model. Superwisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Params (M): 28.3 - Image size: 224 x 224 - Architecture: swin_tiny_patch4_window7_224 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - Swin Transformer: Hierarchical Vision Transformer using Shifted Windows - DINOv2: Learning Robust Visual Features without Supervision - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
A EfficientNetB3 based image feature model. Supervisely pre-trained on animal re-identification datasets. - **Model Type:** Animal re-identification / feature backbone - **Model Stats:** - Architecture: EfficientNetB3 - Params (M): 12.2 - GMACs: 1.6 - Activations (M): 21.5 - Image size: 288 x 288 - **Paper:** WildlifeDatasets_An_Open-Source_Toolkit_for_Animal_Re-Identification - **Related Papers:** - EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks - **Pretrain Dataset:** All available re-identification datasets --> https://github.com/WildlifeDatasets/wildlife-datasets
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
--- tags: - image-classification - ecology - fungi - FGVC library_name: DanishFungi license: cc-by-nc-4.0 ---
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 画像
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 画像
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
分類準備中
入力 未確認→ 出力 未確認
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 動画
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 埋め込み
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
Check out the jupyter notebook for details of how this model was abliterated from Yi-1.5-9B-Chat-16K.
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
