محولات الرؤية (ViT)

التدريب المسبق على مجموعات البيانات الكبيرة

مرحلة تدريب أولية على ملايين الصور مثل ImageNet-21k لتعلم تمثيلات بصرية عامة قبل الضبط الدقيق.

← رجوع