| ZenNAS (0.8ms) |
- Top 1 Accuracy
- 83.0%
- Number of params
- 183M
- GFLOPs
- 13.9
|
Zen-NAS: A Zero-Shot NAS for High-Performance Deep Image Recognition 2021-02-01 |
코드 1 · 코드 2 |
| NASViT (supernet) |
- Top 1 Accuracy
- 82.9%
- GFLOPs
- 1.881
|
NASViT: Neural Architecture Search for Efficient Vision Transformers with Gradient Conflict aware Supernet Training 2021-09-29 |
코드 1 |
| DeiT-B (+MixPro) |
- Top 1 Accuracy
- 82.9%
|
MixPro: Data Augmentation with MaskMix and Progressive Attention Labeling for Vision Transformer 2023-04-24 |
코드 1 |
| MNv4-Conv-L |
- Top 1 Accuracy
- 82.9%
|
MobileNetV4 -- Universal Models for the Mobile Ecosystem 2024-04-16 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 |
| IPT-S |
- Top 1 Accuracy
- 82.9%
- Number of params
- 24.3M
- GFLOPs
- 4.7
|
IncepFormer: Efficient Inception Transformer with Pyramid Pooling for Semantic Segmentation 2022-12-06 |
코드 1 |
| ViL-Medium-W |
- Top 1 Accuracy
- 82.9%
- Number of params
- 39.8M
|
Multi-Scale Vision Longformer: A New Vision Transformer for High-Resolution Image Encoding 2021-03-29 |
코드 1 · 코드 2 · 코드 3 |
| GFNet-H-B |
- Top 1 Accuracy
- 82.9%
- Number of params
- 54M
- GFLOPs
- 8.6
|
Global Filter Networks for Image Classification 2021-07-01 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| Oct-ResNet-152 (SE) |
- Top 1 Accuracy
- 82.9%
- Number of params
- 66.8M
- Hardware Burden
- 20771G
- Operations per network pass
- 2.22G
- GFLOPs
- 22.2
|
Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution 2019-04-10 |
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 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 |
| PNASNet-5 |
- Top 1 Accuracy
- 82.9%
- Top 5 Accuracy
- 96.2
- Number of params
- 86.1M
- Operations per network pass
- 2.5G
- GFLOPs
- 50
|
Progressive Neural Architecture Search 2017-12-02 |
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 |
| Harm-SE-RNX-101 64x4d (320x320, Mean-Max Pooling) |
- Top 1 Accuracy
- 82.85%
- Number of params
- 88.2M
- GFLOPs
- 31.4
|
Harmonic Convolutional Networks based on Discrete Cosine Transform 2020-01-18 |
코드 1 |
| GTP-LV-ViT-M/P8 |
- Top 1 Accuracy
- 82.8%
- GFLOPs
- 8
|
GTP-ViT: Efficient Vision Transformers via Graph-based Token Propagation 2023-11-06 |
코드 1 |
| FunMatch - T384+224 (ResNet-50) |
- Top 1 Accuracy
- 82.8%
|
Knowledge distillation: A good teacher is patient and consistent 2021-06-09 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 |
| CA-Swin-T (+MixPro) |
- Top 1 Accuracy
- 82.8%
|
MixPro: Data Augmentation with MaskMix and Progressive Attention Labeling for Vision Transformer 2023-04-24 |
코드 1 |
| CaiT-S + GFSA |
- Top 1 Accuracy
- 82.8%
|
Graph Convolutions Enrich the Self-Attention in Transformers! 2023-12-07 |
코드 1 |
| RDNet-T |
- Top 1 Accuracy
- 82.8%
- Number of params
- 24M
- GFLOPs
- 5.0
|
DenseNets Reloaded: Paradigm Shift Beyond ResNets and ViTs 2024-03-28 |
코드 1 · 코드 2 · 코드 3 |
| VAN-B2 |
- Top 1 Accuracy
- 82.8%
- Number of params
- 26.6M
- GFLOPs
- 5
|
Visual Attention Network 2022-02-20 |
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 · 코드 21 |
| DaViT-T |
- Top 1 Accuracy
- 82.8%
- Number of params
- 28.3M
|
DaViT: Dual Attention Vision Transformers 2022-04-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| ReXNet_3.0 |
- Top 1 Accuracy
- 82.8%
- Number of params
- 34.7M
- GFLOPs
- 3.4
|
Rethinking Channel Dimensions for Efficient Model Design 2020-07-02 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 |
| Sequencer2D-M |
- Top 1 Accuracy
- 82.8%
- Number of params
- 38M
- GFLOPs
- 11.1
|
Sequencer: Deep LSTM for Image Classification 2022-05-04 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| CrossViT-18+ |
- Top 1 Accuracy
- 82.8%
- Number of params
- 44.3M
- GFLOPs
- 9.5
|
CrossViT: Cross-Attention Multi-Scale Vision Transformer for Image Classification 2021-03-27 |
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 · 코드 14 · 코드 15 |
| Shift-S |
- Top 1 Accuracy
- 82.8%
- Number of params
- 50M
- GFLOPs
- 8.5
|
When Shift Operation Meets Vision Transformer: An Extremely Simple Alternative to Attention Mechanism 2022-01-26 |
코드 1 · 코드 2 |
| HRFormer-B |
- Top 1 Accuracy
- 82.8%
- Number of params
- 50.3M
- GFLOPs
- 13.7
|
HRFormer: High-Resolution Transformer for Dense Prediction 2021-10-18 |
코드 1 |
| BoTNet T4 |
- Top 1 Accuracy
- 82.8%
- Number of params
- 54.7M
- GFLOPs
- 10.9
|
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 |
| KAT-B* |
- Top 1 Accuracy
- 82.8
- Number of params
- 86.6M
- GFLOPs
- 17.06
|
Kolmogorov-Arnold Transformer 2024-09-16 |
코드 1 |
| MultiGrain SENet154 (500px) |
- Top 1 Accuracy
- 82.7%
|
MultiGrain: a unified image embedding for classes and instances 2019-02-14 |
코드 1 · 코드 2 · 코드 3 |
| PVT-M (+MixPro) |
- Top 1 Accuracy
- 82.7%
|
MixPro: Data Augmentation with MaskMix and Progressive Attention Labeling for Vision Transformer 2023-04-24 |
코드 1 |
| ASF-former-S |
- Top 1 Accuracy
- 82.7%
- Number of params
- 19.3M
|
Adaptive Split-Fusion Transformer 2022-04-26 |
코드 1 |
| Container Container |
- Top 1 Accuracy
- 82.7%
- Number of params
- 22.1M
- GFLOPs
- 8.1
|
Container: Context Aggregation Network 2021-06-02 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| UniNet-B2 |
- Top 1 Accuracy
- 82.7%
- Number of params
- 22.5M
- GFLOPs
- 2.4
|
UniNet: Unified Architecture Search with Convolution, Transformer, and MLP 2021-10-08 |
연결 없음 |
| EfficientViT-B2 (r256) |
- Top 1 Accuracy
- 82.7%
- Number of params
- 24M
- GFLOPs
- 2.1
|
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 |