Сверточная DenseNet201 классифицирует изображения по категориям ImageNet-1k и может извлекать признаки и эмбеддинги.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений для поиска по сходству

Предобученная на ImageNet-1k сверточная DenseNet-121 для классификации изображений и извлечения визуальных признаков.

Подходит для: Классификация изображений по классам ImageNet-1k · Извлечение карт признаков из изображений · Получение эмбеддингов изображений для последующей обработки

Сверточная DenseNet-121, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков из изображений · получение векторных представлений изображений

Сверточная DenseNet-161, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение векторных представлений изображений

Сверточная DenseNet169 классифицирует изображения ImageNet-1k и извлекает визуальные признаки и эмбеддинги.

Подходит для: классификация изображений по категориям ImageNet-1k · извлечение карт признаков из изображений · получение эмбеддингов изображений для сравнения

Предобученные на ImageNet веса DenseNet-201 для классификации изображений и использования как энкодера в segmentation-models-pytorch.

Подходит для: классификация объектов на изображениях · извлечение признаков изображений для сегментационной модели · использование DenseNet-201 как энкодера в PyTorch

Предобученные на ImageNet веса DenseNet121 для классификации изображений и использования как энкодера в моделях сегментации.

Подходит для: классификация объектов на изображениях · использование энкодера DenseNet121 в модели сегментации · создание компьютерно-зрительных моделей на базе ImageNet

Предобученные на ImageNet веса DenseNet169 для классификации изображений и использования как энкодера в segmentation-models-pytorch.

Подходит для: Классификация изображений по категориям ImageNet · Использование энкодера в модели сегментации изображений · Инициализация компьютерного зрения с предобученных весов

Предобученные на ImageNet веса DenseNet-161 для классификации изображений и использования в качестве энкодера в segmentation-models-pytorch.

Подходит для: Классификация изображений по категориям ImageNet · Использование энкодера DenseNet-161 в моделях сегментации изображений · Извлечение визуальных признаков для компьютерного зрения

ResNet-18 — обученная на ImageNet-1k сверточная модель для классификации изображений.

Подходит для: классификация изображений по категориям ImageNet · распознавание объектов на фотографиях · создание базового классификатора изображений

Сверточная ResNet-50 v1.5, предварительно обученная на ImageNet-1k для классификации изображений по 1000 классам.

Подходит для: классификация изображений по классам ImageNet · распознавание объектов на фотографиях · получение базовой модели для дообучения классификатора изображений

DenseNet-121, обученная на гистологических патчах PCam для классификации изображений ткани и извлечения признаков.

Подходит для: классификация патчей гистологических изображений · анализ изображений тканей из набора PCam · извлечение признаков из гистологических изображений

Визуальная модель DINOv3 ViT-L извлекает плотные признаки изображений для поиска, классификации и других задач компьютерного зрения.

Подходит для: поиск похожих изображений по визуальным признакам · классификация изображений с линейным классификатором или k-NN · сегментация изображений с лёгкой классификационной головой

Компактный DeiT-трансформер для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение признаков для изображений · использование визуального backbone в компьютерном зрении

Сверточная DenseNet-121 с Blur Pooling, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · получение карт признаков для компьютерного зрения · извлечение эмбеддингов изображений

ResNet18.a3_in1k — обученная на ImageNet-1k модель ResNet для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений для поиска и сравнения

Компактная модель DeiT на базе Vision Transformer для классификации изображений по 1 000 классам ImageNet.

Подходит для: классификация изображений ImageNet · распознавание объектов на фотографиях · извлечение признаков изображений для последующего классификатора

Крупная модель DPT с backbone DINOv2 оценивает относительную и абсолютную глубину по изображению, включая zero-shot сценарии.

Подходит для: получение карты глубины для фотографии · оценка глубины сцены без дообучения · анализ пространственной структуры изображения

Компактная визуальная модель Meta AI на архитектуре ConvNeXt-Tiny, извлекающая признаки изображений для поиска, классификации и других задач компьютерного зрения.

Подходит для: извлечение признаков изображений для классификатора · поиск похожих изображений по визуальному сходству · классификация изображений с k-NN или линейным классификатором

ConvNeXt Tiny — сверточная модель для классификации изображений и извлечения визуальных признаков, дообученная на ImageNet-1k.

Подходит для: классификация объектов на изображениях · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений

Дообученная DenseNet-161 классифицирует акушерские ультразвуковые изображения по стандартным плоскостям плода и шейке матки.

Подходит для: сортировка снимков УЗИ плода по анатомическим плоскостям · распознавание плоскостей мозга, живота, бедра и грудной клетки плода · выделение снимков шейки матки среди акушерских УЗИ

Сверточная ResNet50D из timm для классификации изображений ImageNet и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям · получение признаковых карт для компьютерного зрения · извлечение эмбеддингов изображений

Компактная модель DeiT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · получение признаковых представлений изображений · использование как backbone в конвейере компьютерного зрения

Свёрточная модель ResNet34D из timm для классификации изображений на 1000 классов ImageNet-1k и извлечения признаков.

Подходит для: классификация изображений на классы ImageNet-1k · извлечение признаковых карт из изображений · получение эмбеддингов изображений для поиска по сходству