| EfficientNet-B3 |
- Top 1 Accuracy
- 81.1%
- Number of params
- 12M
|
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 2019-05-28 |
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 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 · 코드 81 · 코드 82 · 코드 83 · 코드 84 · 코드 85 · 코드 86 · 코드 87 · 코드 88 · 코드 89 · 코드 90 · 코드 91 · 코드 92 · 코드 93 · 코드 94 · 코드 95 · 코드 96 · 코드 97 · 코드 98 · 코드 99 · 코드 100 · 코드 101 · 코드 102 · 코드 103 · 코드 104 · 코드 105 · 코드 106 · 코드 107 · 코드 108 · 코드 109 · 코드 110 · 코드 111 · 코드 112 · 코드 113 · 코드 114 · 코드 115 · 코드 116 · 코드 117 · 코드 118 · 코드 119 · 코드 120 · 코드 121 · 코드 122 · 코드 123 · 코드 124 · 코드 125 · 코드 126 · 코드 127 · 코드 128 · 코드 129 · 코드 130 · 코드 131 · 코드 132 · 코드 133 · 코드 134 · 코드 135 · 코드 136 · 코드 137 · 코드 138 · 코드 139 · 코드 140 · 코드 141 · 코드 142 · 코드 143 · 코드 144 |
| VAN-B1 |
- Top 1 Accuracy
- 81.1%
- Number of params
- 13.9M
- GFLOPs
- 2.5
|
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 |
| RevBiFPN-S3 |
- Top 1 Accuracy
- 81.1%
- Number of params
- 19.6M
- GFLOPs
- 3.33
|
RevBiFPN: The Fully Reversible Bidirectional Feature Pyramid Network 2022-06-28 |
코드 1 |
| ResNet-152x2-SAM |
- Top 1 Accuracy
- 81.1%
- Number of params
- 236M
|
When Vision Transformers Outperform ResNets without Pre-training or Strong Data Augmentations 2021-06-03 |
코드 1 · 코드 2 |
| DynamicViT-S |
- Top 1 Accuracy
- 81.09%
|
Which Transformer to Favor: A Comparative Analysis of Efficiency in Vision Transformers 2023-08-18 |
코드 1 |
| ResNet-101 (SAMix) |
- Top 1 Accuracy
- 81.08%
- Number of params
- 44.6M
|
Boosting Discriminative Visual Representation Learning with Scenario-Agnostic Mixup 2021-11-30 |
코드 1 |
| NASViT-A3 |
- Top 1 Accuracy
- 81.0%
- GFLOPs
- 0.528
|
NASViT: Neural Architecture Search for Efficient Vision Transformers with Gradient Conflict aware Supernet Training 2021-09-29 |
코드 1 |
| ViTAE-13M |
- Top 1 Accuracy
- 81%
- Number of params
- 13.2M
- GFLOPs
- 6.8
|
ViTAE: Vision Transformer Advanced by Exploring Intrinsic Inductive Bias 2021-06-07 |
코드 1 · 코드 2 |
| ResNet-101 (AutoMix) |
- Top 1 Accuracy
- 80.98%
- Number of params
- 44.6M
|
AutoMix: Unveiling the Power of Mixup for Stronger Classifiers 2021-03-24 |
코드 1 · 코드 2 · 코드 3 |
| DeiT-S (AutoMix+DM) |
- Top 1 Accuracy
- 80.91%
|
연결 없음 논문 날짜 미기재 |
연결 없음 |
| ResNet-101 |
- Top 1 Accuracy
- 80.9%
|
Parametric Contrastive Learning 2021-07-26 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| CAIT-XXS-24 |
- Top 1 Accuracy
- 80.9%
- Number of params
- 12M
- GFLOPs
- 9.6
|
Going deeper with Image Transformers 2021-03-31 |
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 |
| DeiT-S with iRPE-K |
- Top 1 Accuracy
- 80.9%
- Number of params
- 22M
- GFLOPs
- 9.318
|
Rethinking and Improving Relative Position Encoding for Vision Transformer 2021-07-29 |
코드 1 |
| CentroidViT-S (arXiv, 2021-02) |
- Top 1 Accuracy
- 80.9%
- Number of params
- 22.3M
- GFLOPs
- 9.4
|
Centroid Transformers: Learning to Abstract with Attention 2021-02-17 |
연결 없음 |
| ResNeXt-101 64x4 |
- Top 1 Accuracy
- 80.9%
- Top 5 Accuracy
- 94.7
- Number of params
- 83.6M
- GFLOPs
- 31.5
|
Aggregated Residual Transformations for Deep Neural Networks 2016-11-16 |
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 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 |
| AlphaNet-A6 |
- Top 1 Accuracy
- 80.8%
- GFLOPs
- 0.709
|
AlphaNet: Improved Training of Supernets with Alpha-Divergence 2021-02-16 |
코드 1 · 코드 2 |
| ResNet-200 (Supervised Contrastive) |
- Top 1 Accuracy
- 80.8%
|
Supervised Contrastive Learning 2020-04-23 |
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 |
| UniNet-B0 |
- Top 1 Accuracy
- 80.8%
- Number of params
- 11.5M
- GFLOPs
- 0.555
|
UniNet: Unified Architecture Search with Convolution, Transformer, and MLP 2022-07-12 |
코드 1 · 코드 2 |
| LocalViT-S |
- Top 1 Accuracy
- 80.8%
- Number of params
- 22.4M
- GFLOPs
- 4.6
|
LocalViT: Bringing Locality to Vision Transformers 2021-04-12 |
코드 1 · 코드 2 |
| DAFT-conv (384 heads, 300 epochs) |
- Top 1 Accuracy
- 80.8%
- Number of params
- 23M
|
A Dot Product Attention Free Transformer 2021-09-29 |
연결 없음 |
| ResMLP-S24 |
- Top 1 Accuracy
- 80.8%
- Number of params
- 30M
- GFLOPs
- 6
|
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 |
| MNv4-Hybrid-M |
- Top 1 Accuracy
- 80.7%
|
MobileNetV4 -- Universal Models for the Mobile Ecosystem 2024-04-16 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 |
| TinyViT-5M-distill (21k) |
- Top 1 Accuracy
- 80.7%
- Number of params
- 5.4M
- GFLOPs
- 1.3
|
TinyViT: Fast Pretraining Distillation for Small Vision Transformers 2022-07-21 |
코드 1 · 코드 2 · 코드 3 |
| CoE-Large |
- Top 1 Accuracy
- 80.7%
- Number of params
- 95.3M
- GFLOPs
- 0.194
|
Collaboration of Experts: Achieving 80% Top-1 Accuracy on ImageNet with 100M FLOPs 2021-07-08 |
연결 없음 |
| MEAL V2 (ResNet-50) (224 res) |
- Top 1 Accuracy
- 80.67%
|
MEAL V2: Boosting Vanilla ResNet-50 to 80%+ Top-1 Accuracy on ImageNet without Tricks 2020-09-17 |
코드 1 |
| TokenLearner-ViT-8 |
- Top 1 Accuracy
- 80.66%
|
Which Transformer to Favor: A Comparative Analysis of Efficiency in Vision Transformers 2023-08-18 |
코드 1 |
| ResNeSt-50-fast |
- Top 1 Accuracy
- 80.64%
- Number of params
- 27.5M
- GFLOPs
- 4.34
|
ResNeSt: Split-Attention Networks 2020-04-19 |
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 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 |
| TransBoost-ResNet152 |
- Top 1 Accuracy
- 80.64%
- Number of params
- 60.19M
|
TransBoost: Improving the Best ImageNet Performance using Deep Transduction 2022-05-26 |
코드 1 |
| ResNet-200 (Fast AA) |
- Top 1 Accuracy
- 80.6%
|
Fast AutoAugment 2019-05-01 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 |
| CaiT-XXS (+MixPro) |
- Top 1 Accuracy
- 80.6%
|
MixPro: Data Augmentation with MaskMix and Progressive Attention Labeling for Vision Transformer 2023-04-24 |
코드 1 |