| PVTv2-B4 |
- Top 1 Accuracy
- 83.8%
- Number of params
- 82M
- GFLOPs
- 11.8
|
PVT v2: Improved Baselines with Pyramid Vision Transformer 2021-06-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 |
| CA-Swin-S (+MixPro) |
- Top 1 Accuracy
- 83.7%
|
MixPro: Data Augmentation with MaskMix and Progressive Attention Labeling for Vision Transformer 2023-04-24 |
코드 1 |
| GTP-ViT-L/P8 |
- Top 1 Accuracy
- 83.7%
|
GTP-ViT: Efficient Vision Transformers via Graph-based Token Propagation 2023-11-06 |
코드 1 |
| ConvFormer-S18 (224 res, 21K) |
- Top 1 Accuracy
- 83.7%
- Number of params
- 27M
- GFLOPs
- 3.9
|
MetaFormer Baselines for Vision 2022-10-24 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| RDNet-S |
- Top 1 Accuracy
- 83.7%
- Number of params
- 50M
- GFLOPs
- 8.7
|
DenseNets Reloaded: Paradigm Shift Beyond ResNets and ViTs 2024-03-28 |
코드 1 · 코드 2 · 코드 3 |
| DAT-S |
- Top 1 Accuracy
- 83.7%
- Number of params
- 50M
- GFLOPs
- 9.0
|
Vision Transformer with Deformable Attention 2022-01-03 |
코드 1 · 코드 2 |
| NAT-Small |
- Top 1 Accuracy
- 83.7%
- Number of params
- 51M
- GFLOPs
- 7.8
|
Neighborhood Attention Transformer 2022-04-14 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| QnA-ViT-Base |
- Top 1 Accuracy
- 83.7%
- Number of params
- 56M
- GFLOPs
- 9.7
|
Learned Queries for Efficient Local Attention 2021-12-21 |
코드 1 |
| RevBiFPN-S5 |
- Top 1 Accuracy
- 83.7%
- Number of params
- 82M
- GFLOPs
- 21.8
|
RevBiFPN: The Fully Reversible Bidirectional Feature Pyramid Network 2022-06-28 |
코드 1 |
| Pyramid ViG-B |
- Top 1 Accuracy
- 83.7%
- Number of params
- 92.6M
- GFLOPs
- 16.8
|
Vision GNN: An Image is Worth Graph of Nodes 2022-06-01 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 |
| Twins-SVT-L |
- Top 1 Accuracy
- 83.7%
- Number of params
- 99.2M
- GFLOPs
- 15.1
|
Twins: Revisiting the Design of Spatial Attention in Vision Transformers 2021-04-28 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 |
| TransBoost-ViT-S |
- Top 1 Accuracy
- 83.67%
- Number of params
- 22.05M
|
TransBoost: Improving the Best ImageNet Performance using Deep Transduction 2022-05-26 |
코드 1 |
| XCiT-S |
- Top 1 Accuracy
- 83.65%
|
Which Transformer to Favor: A Comparative Analysis of Efficiency in Vision Transformers 2023-08-18 |
코드 1 |
| MaxViT-T (224res) |
- Top 1 Accuracy
- 83.62%
- Number of params
- 31M
- GFLOPs
- 5.6
|
MaxViT: Multi-Axis Vision Transformer 2022-04-04 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 |
| Wave-ViT-S |
- Top 1 Accuracy
- 83.61%
|
Which Transformer to Favor: A Comparative Analysis of Efficiency in Vision Transformers 2023-08-18 |
코드 1 |
| LITv2-B |
- Top 1 Accuracy
- 83.6%
- GFLOPs
- 13.2
|
Fast Vision Transformers with HiLo Attention 2022-05-26 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| MultiGrain PNASNet (500px) |
- Top 1 Accuracy
- 83.6%
|
MultiGrain: a unified image embedding for classes and instances 2019-02-14 |
코드 1 · 코드 2 · 코드 3 |
| PAT-B |
- Top 1 Accuracy
- 83.6%
|
Pattern Attention Transformer with Doughnut Kernel 2022-11-30 |
연결 없음 |
| HyenaPixel-Attention-Former-S18 |
- Top 1 Accuracy
- 83.6%
|
HyenaPixel: Global Image Context with Convolutions 2024-02-29 |
코드 1 |
| FixEfficientNet-B2 |
- Top 1 Accuracy
- 83.6%
- Number of params
- 9.2M
|
Fixing the train-test resolution discrepancy: FixEfficientNet 2020-03-18 |
코드 1 |
| CAFormer-S18 (224 res) |
- Top 1 Accuracy
- 83.6%
- Number of params
- 26M
- GFLOPs
- 4.1
|
MetaFormer Baselines for Vision 2022-10-24 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| IPT-B |
- Top 1 Accuracy
- 83.6%
- Number of params
- 39.3M
- GFLOPs
- 7.8
|
IncepFormer: Efficient Inception Transformer with Pyramid Pooling for Semantic Segmentation 2022-12-06 |
코드 1 |
| ViTAE-B-Stage |
- Top 1 Accuracy
- 83.6%
- Number of params
- 48.5M
- GFLOPs
- 27.6
|
ViTAE: Vision Transformer Advanced by Exploring Intrinsic Inductive Bias 2021-06-07 |
코드 1 · 코드 2 |
| ResT-Large |
- Top 1 Accuracy
- 83.6%
- Number of params
- 51.63M
- GFLOPs
- 7.9
|
ResT: An Efficient Transformer for Visual Recognition 2021-05-28 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| NFNet-F0 |
- Top 1 Accuracy
- 83.6%
- Number of params
- 71.5M
- GFLOPs
- 12.38
|
High-Performance Large-Scale Image Recognition Without Normalization 2021-02-11 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 |
| SE-ResNeXt-101, 64x4d, S=2(320px) |
- Top 1 Accuracy
- 83.6%
- Number of params
- 98M
- GFLOPs
- 38.2
|
Towards Better Accuracy-efficiency Trade-offs: Divide and Co-training 2020-11-30 |
코드 1 · 코드 2 |
| ResMLP-B24/8 |
- Top 1 Accuracy
- 83.6%
- Number of params
- 116M
|
ResMLP: Feedforward networks for image classification with data-efficient training 2021-05-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 |
| TinySaver(EfficientFormerV2_l, 0.01 Acc drop) |
- Top 1 Accuracy
- 83.52
|
Tiny Models are the Computational Saver for Large Models 2024-03-26 |
코드 1 |
| EfficientViT-B3 (r224) |
- Top 1 Accuracy
- 83.5%
- GFLOPs
- 4
|
EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction 2022-05-29 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 |
| BoTNet T5 |
- Top 1 Accuracy
- 83.5%
- GFLOPs
- 19.3
|
Bottleneck Transformers for Visual Recognition 2021-01-27 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 |