Vision Transformer yang Disesuaikan (Fine-Tuned)

Vision Transformer yang Disesuaikan (Fine-Tuned) mengadaptasi model ViT besar yang telah dilatih sebelumnya — yang membagi gambar menjadi patch berukuran tetap dan memprosesnya melalui lapisan self-attention — ke tugas klasifikasi atau pengenalan gambar baru menggunakan dataset berlabel yang relatif kecil. Model ini mencapai akurasi mutakhir dalam visi komputer dengan memanfaatkan representasi kaya yang dipelajari selama pra-pelatihan skala besar.