All Backbones

axis

Select an option

Results

Parameters (M)

Images / Second

Publication Date

task

Select an option

---------

Object Detection

Instance Segmentation

Classification

Semantic Segmentation

Panoptic Segmentation

dataset

Select an option

---------

ImageNet-1k

ImageNet-A

ImageNet-R

ImageNet-Sketch

ImageNet-C

ImageNet-C-bar

ImageNet-V2

ImageNet-ReaL

PASCAL VOC 2007 (val)

PASCAL VOC 2007 (test)

metric

Select an option

----------

Top-1

Top-5

GFLOPs

resolution

Select an option

----------

224x224

384x384

512x512

axis

Select an option

Results

Parameters (M)

Images / Second

GFLOPs

Publication Date

Filters

pretrain dataset

Select an option

---------

MegData73M

JFT-3B

JFT-300M

ImageNet-1k

ImageNet-22k

pretrain method

Select an option

----------

Supervised

Sup. + TL

FCMAE

MAE

Legend

Legend attribute

Select an option

Family

Pretrain Dataset

Pretrain Method

Classification Resolution

Legend attribute (second)

Select an option

----------

Pretrain Dataset

Pretrain Method

Classification Resolution

family	model	params (m)	pretrain	finetune	GFLOPs	Top-1
CSWin	CSWin-T	23.0	IN-1k : Sup. : 300	— : — : —	4.3	82.7
CSWin	CSWin-T	23.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	14.0	84.3
InternImage	InternImage-XL	335.0	IN-22k : Sup. : 90	IN-1k : 20 : 384	163.0	88.0
RandFormer	RandFormer-S12	12.1	IN-1k : Sup. : 300	— : — : —	1.9	76.6
TransNeXt	TransNeXt-Micro	12.8	IN-1k : Sup. : 300	— : — : —	2.7	82.5
Swin	Swin-S	50.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	8.7	83.2
ResNet (RSB)	ResNet-101 (RSB)	44.5	IN-1k : Sup. : 600	— : — : —	7.9	81.5
Swin	Swin-T	29.0	IN-1k : Sup. : 300	— : — : —	4.5	81.3
IdentityFormer	IdentityFormer-S36	30.8	IN-1k : Sup. : 300	— : — : —	5.0	79.3
CoAtNet	CoAtNet-6	1470.0	JFT-3B : Sup. : 14	IN-1k : 30 : 512	1521.0	90.45
SLaK	SLaK-B	95.0	IN-1k : Sup. : 300	— : — : —	17.1	84.0
SLaK	SLaK-B	95.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	50.3	85.5
RandFormer	RandFormer-S36	31.5	IN-1k : Sup. : 300	— : — : —	5.2	79.5
DAT++	DAT-S++	53.0	IN-1k : Sup. : 300	— : — : —	9.4	84.6
ConvNeXt V2	ConvNeXt V2-T	28.6	IN-1k : FCMAE : 1600	IN-1k : 300 : 224	4.47	83.0
ConvNeXt V2	ConvNeXt V2-T	28.6	IN-1k : FCMAE : 1600	IN-22k : 90 : 224 → IN-1k : 90 : 224	4.47	83.9
ConvNeXt V2	ConvNeXt V2-T	28.6	IN-1k : FCMAE : 1600	IN-22k : 90 : 384 → IN-1k : 90 : 384	13.1	85.1
ConvNeXt	ConvNeXt-B	89.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	15.4	85.8
ConvNeXt	ConvNeXt-B	89.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	45.1	86.8
ConvNeXt V2	ConvNeXt V2-F	5.2	IN-1k : FCMAE : 1600	IN-1k : 600 : 224	0.78	78.5
ConvFormer	ConvFormer-B36	100.0	IN-1k : Sup. : 300	— : — : —	22.6	84.8
ConvFormer	ConvFormer-B36	100.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	66.5	85.7
ConvFormer	ConvFormer-S36	40.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	7.6	85.4
ConvFormer	ConvFormer-S36	40.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	22.4	86.4
RepLKNet	RepLKNet-31L	172.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	96.0	86.6
ConvNeXt V2	ConvNeXt V2-L	198.0	IN-1k : FCMAE : 1600	IN-1k : 100 : 224	34.4	85.8
ConvNeXt V2	ConvNeXt V2-L	198.0	IN-1k : FCMAE : 1600	IN-22k : 90 : 224 → IN-1k : 30 : 224	34.4	87.3
ConvNeXt V2	ConvNeXt V2-L	198.0	IN-1k : FCMAE : 1600	IN-22k : 90 : 384 → IN-1k : 30 : 384	101.1	88.2
LocalVMamba	LocalVMamba-S	50.0	IN-1k : Sup. : 300	— : — : —	11.4	83.7
DeiT III	ViT-S (DeiT III)	22.0	IN-22k : Sup. : 90	IN-1k : 50 : 224	4.6	83.1
MogaNet	MogaNet-T	5.2	IN-1k : Sup. : 300	— : — : —	1.1	79.0
MogaNet	MogaNet-T	5.2	IN-1k : Sup. : 300	IN-1k : 30 : 256	1.44	80.0
DeiT III	ViT-L (DeiT III)	304.4	IN-1k : Sup. : 800	IN-1k : 20 : 224	61.6	84.9
DeiT III	ViT-L (DeiT III)	304.4	IN-1k : Sup. : 800	IN-1k : 20 : 384	191.2	85.8
LocalVMamba	LocalVMamba-T	26.0	IN-1k : Sup. : 300	— : — : —	5.7	82.7
CoAtNet	CoAtNet-4	275.0	JFT-300M : Sup. : 14	IN-1k : 30 : 512	361.0	89.11
CAFormer	CAFormer-B36	99.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	23.2	87.4
CAFormer	CAFormer-B36	99.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	72.2	88.1
FAN (Fully Attentional Networks)	FAN-L-Hybrid	76.8	IN-22k : Sup. : 90	IN-1k : 30 : 224	16.9	86.5
Hiera	Hiera-S	35.0	IN-1k : MAE : 1600	IN-1k : 200 : 224	6.0	83.8
ConvNeXt	ConvNeXt-L	198.0	IN-1k : Sup. : 300	— : — : —	34.4	84.3
ConvNeXt	ConvNeXt-L	198.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	101.0	85.5
DAMamba	DAMamba-T	26.0	IN-1k : Sup. : 300	— : — : —	4.8	83.8
DeiT III	ViT-S (DeiT III)	22.0	IN-1k : Sup. : 800	IN-1k : 20 : 224	4.6	81.4
DeiT III	ViT-S (DeiT III)	22.0	IN-1k : Sup. : 800	IN-1k : 20 : 384	15.5	83.4
PlainMamba	PlainMamba-L3	50.5	IN-1k : Sup. : 300	— : — : —	14.4	82.3
DeiT III	ViT-B (DeiT III)	86.6	IN-22k : Sup. : 90	IN-1k : 50 : 224	17.6	85.7
DeiT III	ViT-B (DeiT III)	86.6	IN-22k : Sup. : 90	IN-1k : 50 : 384	55.5	86.7
FocalNet	FocalNet-B-LRF	88.7	IN-1k : Sup. : 300	— : — : —	15.4	83.9
LocalVim	LocalVim-S	28.0	IN-1k : Sup. : 300	— : — : —	4.8	81.2
MogaNet	MogaNet-S	25.3	IN-1k : Sup. : 300	— : — : —	4.97	83.4
DAT++	DAT-T++	24.0	IN-1k : Sup. : 300	— : — : —	4.3	83.9
GroupMamba	GroupMamba-T	23.0	IN-1k : Sup. : 300	— : — : —	4.5	83.3
VSSD	VSSD-T	24.0	IN-1k : Sup. : 300	— : — : —	4.5	83.7
ConvFormer	ConvFormer-S36	40.0	IN-1k : Sup. : 300	— : — : —	7.6	84.1
ConvFormer	ConvFormer-S36	40.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	22.4	85.4
RMT	RMT-B	54.0	IN-1k : Sup. : 300	— : — : —	9.7	85.0
CAFormer	CAFormer-S18	26.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	4.1	84.1
CAFormer	CAFormer-S18	26.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	13.4	85.4
UniRepLKNet	UniRepLKNet-L	218.3	IN-22k : Sup. : 90	IN-1k : 20 : 384	105.4	87.9
CSWin	CSWin-S	35.0	IN-1k : Sup. : 300	— : — : —	6.9	83.6
CSWin	CSWin-S	35.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	22.0	85.0
MogaNet	MogaNet-XL	180.8	IN-1k : Sup. : 300	— : — : —	34.5	85.1
CAFormer	CAFormer-S18	26.0	IN-1k : Sup. : 300	— : — : —	4.1	83.6
CAFormer	CAFormer-S18	26.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	13.2	85.0
CoAtNet	CoAtNet-4	275.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	189.5	87.9
CoAtNet	CoAtNet-4	275.0	IN-22k : Sup. : 90	IN-1k : 30 : 512	360.9	88.1
CAFormer	CAFormer-M36	56.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	13.2	86.1
CAFormer	CAFormer-M36	56.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	42.0	87.4
ConvNeXt V2	ConvNeXt V2-N	15.6	IN-1k : FCMAE : 1600	IN-1k : 600 : 224	2.45	81.9
ConvNeXt V2	ConvNeXt V2-N	15.6	IN-1k : FCMAE : 1600	IN-22k : 90 : 224 → IN-1k : 90 : 224	2.45	82.1
ConvNeXt V2	ConvNeXt V2-N	15.6	IN-1k : FCMAE : 1600	IN-22k : 90 : 384 → IN-1k : 90 : 384	7.21	83.4
TransNeXt	TransNeXt-T	28.2	IN-1k : Sup. : 300	— : — : —	5.7	84.0
RepLKNet	RepLKNet-XL	335.0	MegData73M : Sup. : 15	IN-1k : 30 : 320	128.7	87.8
RandFormer	RandFormer-M36	56.8	IN-1k : Sup. : 300	— : — : —	9.0	81.2
BiFormer	BiFormer-S	26.0	IN-1k : Sup. + TL : 300	— : — : —	4.5	84.3
FocalNet	FocalNet-T-SRF	28.4	IN-1k : Sup. : 300	— : — : —	4.5	82.1
FAN (Fully Attentional Networks)	FAN-S-ViT	28.0	IN-1k : Sup. : 300	— : — : —	5.3	82.9
ConvFormer	ConvFormer-B36	100.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	22.6	87.0
ConvFormer	ConvFormer-B36	100.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	66.5	87.6
VMamba	VMamba-T	30.0	IN-1k : Sup. : 300	— : — : —	4.9	82.6
CoAtNet	CoAtNet-2	75.0	IN-1k : Sup. : 300	— : — : —	15.7	84.1
CoAtNet	CoAtNet-2	75.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	49.8	85.7
CoAtNet	CoAtNet-2	75.0	IN-1k : Sup. : 300	IN-1k : 30 : 512	96.7	85.9
VSSD	VSSD-B	89.0	IN-1k : Sup. : 300	— : — : —	16.1	84.7
UniRepLKNet	UniRepLKNet-P	10.7	IN-1k : Sup. : 300	— : — : —	1.6	80.2
FocalNet	FocalNet-L-SRF	197.1	IN-22k : Sup. : 90	IN-1k : 30 : 224	34.2	86.5
FocalNet	FocalNet-L-SRF	197.1	IN-22k : Sup. : 90	IN-1k : 30 : 384	100.6	87.3
RMT	RMT-S	27.0	IN-1k : Sup. + TL : 300	— : — : —	4.5	84.8
VMamba	VMamba-B	89.0	IN-1k : Sup. : 300	— : — : —	15.4	83.9
MogaNet	MogaNet-XL	180.8	IN-22k : Sup. : 90	IN-1k : 30 : 384	102.0	87.8
RMT	RMT-S	27.0	IN-1k : Sup. : 300	— : — : —	4.5	84.1
MaxViT	MaxViT-T	31.0	IN-1k : Sup. : 300	— : — : —	5.6	83.62
MaxViT	MaxViT-T	31.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	17.7	85.24
MaxViT	MaxViT-T	31.0	IN-1k : Sup. : 300	IN-1k : 30 : 512	33.7	85.72
FAN (Fully Attentional Networks)	FAN-S-Hybrid	26.0	IN-1k : Sup. : 300	— : — : —	6.7	83.5
MogaNet	MogaNet-XT	3.0	IN-1k : Sup. : 300	— : — : —	0.8	76.5
MogaNet	MogaNet-XT	3.0	IN-1k : Sup. : 300	IN-1k : 30 : 256	1.04	77.2
CSWin	CSWin-B	78.0	IN-1k : Sup. : 300	— : — : —	15.0	84.2
CSWin	CSWin-B	78.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	47.0	85.4
CoAtNet	CoAtNet-4	275.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	189.5	88.3
CoAtNet	CoAtNet-4	275.0	IN-22k : Sup. : 90	IN-1k : 30 : 512	360.9	88.4
ConvNeXt	ConvNeXt-T	29.0	IN-1k : Sup. : 300	— : — : —	4.5	82.1
DAT++	DAT-B++	93.0	IN-1k : Sup. : 300	— : — : —	16.6	84.9
DAT++	DAT-B++	93.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	49.7	85.9
MaxViT	MaxViT-L	212.0	IN-1k : Sup. : 300	— : — : —	43.9	85.17
MaxViT	MaxViT-L	212.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	133.1	86.4
MaxViT	MaxViT-L	212.0	IN-1k : Sup. : 300	IN-1k : 30 : 512	245.4	86.7
BiFormer	BiFormer-B	57.0	IN-1k : Sup. : 300	— : — : —	9.8	84.3
UniRepLKNet	UniRepLKNet-S	55.6	IN-22k : Sup. : 90	IN-1k : 30 : 384	26.7	86.4
RMT	RMT-T	14.0	IN-1k : Sup. : 300	— : — : —	2.5	82.4
ConvNeXt	ConvNeXt-S	50.0	IN-1k : Sup. : 300	— : — : —	8.7	83.1
FAN (Fully Attentional Networks)	FAN-L-ViT	81.0	IN-1k : Sup. : 300	— : — : —	15.8	83.9
DeiT III	ViT-L (DeiT III)	304.4	IN-22k : Sup. : 90	IN-1k : 50 : 224	61.6	87.0
DeiT III	ViT-L (DeiT III)	304.4	IN-22k : Sup. : 90	IN-1k : 50 : 384	191.2	87.7
CoAtNet	CoAtNet-3	168.0	JFT-300M : Sup. : 14	IN-1k : 30 : 384	114.0	88.52
CoAtNet	CoAtNet-3	168.0	JFT-300M : Sup. : 14	IN-1k : 30 : 512	214.0	88.81
ConvFormer	ConvFormer-S18	27.0	IN-1k : Sup. : 300	— : — : —	3.9	83.0
ConvFormer	ConvFormer-S18	27.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	11.6	84.4
IdentityFormer	IdentityFormer-M36	56.1	IN-1k : Sup. : 300	— : — : —	8.8	80.0
DAMamba	DAMamba-S	45.0	IN-1k : Sup. : 300	— : — : —	10.3	84.8
Swin	Swin-B	88.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	15.4	85.2
Swin	Swin-B	88.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	47.0	86.4
InternImage	InternImage-S	50.0	IN-1k : Sup. : 300	IN-1k : 300 : 224	8.0	84.2
ConvNeXt	ConvNeXt-L	198.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	34.4	86.6
ConvNeXt	ConvNeXt-L	198.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	101.0	87.5
GroupMamba	GroupMamba-S	34.0	IN-1k : Sup. : 300	— : — : —	7.0	83.9
BiFormer	BiFormer-S	26.0	IN-1k : Sup. : 300	— : — : —	4.5	83.8
TransNeXt	TransNeXt-B	89.7	IN-1k : Sup. : 300	— : — : —	18.4	84.8
TransNeXt	TransNeXt-B	89.7	IN-1k : Sup. : 300	IN-1k : 5 : 384	56.3	86.2
SLaK	SLaK-T	30.0	IN-1k : Sup. : 300	— : — : —	5.0	82.5
MaxViT	MaxViT-S	69.0	IN-1k : Sup. : 300	— : — : —	11.7	84.45
MaxViT	MaxViT-S	69.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	36.1	85.74
MaxViT	MaxViT-S	69.0	IN-1k : Sup. : 300	IN-1k : 30 : 512	67.6	86.19
FAN (Fully Attentional Networks)	FAN-L-Hybrid	76.8	IN-1k : Sup. : 300	— : — : —	16.9	84.3
DAMamba	DAMamba-B	86.0	IN-1k : Sup. : 300	— : — : —	16.3	85.2
PlainMamba	PlainMamba-L1	7.3	IN-1k : Sup. : 300	— : — : —	3.0	77.9
FocalNet	FocalNet-T-LRF	28.6	IN-1k : Sup. : 300	— : — : —	4.5	82.3
MambaOut	MambaOut-Femto	7.3	IN-1k : Sup. : 300	— : — : —	1.2	78.9
Hiera	Hiera-L	214.0	IN-1k : MAE : 1600	IN-1k : 50 : 224	40.0	86.1
Swin	Swin-B	88.0	IN-1k : Sup. : 300	— : — : —	15.4	83.5
Swin	Swin-B	88.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	47.0	84.5
RMT	RMT-L	95.0	IN-1k : Sup. + TL : 300	— : — : —	18.2	86.1
CoAtNet	CoAtNet-4	275.0	IN-22k : Sup. : 150	IN-1k : 30 : 384	189.5	88.4
CoAtNet	CoAtNet-4	275.0	IN-22k : Sup. : 150	IN-1k : 30 : 512	360.9	88.56
CoAtNet	CoAtNet-7	2440.0	JFT-3B : Sup. : 14	IN-1k : 30 : 512	2586.0	90.88
UniRepLKNet	UniRepLKNet-A	4.4	IN-1k : Sup. : 300	— : — : —	0.6	77.0
CAFormer	CAFormer-S36	39.0	IN-1k : Sup. : 300	— : — : —	8.0	84.5
CAFormer	CAFormer-S36	39.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	26.0	85.7
ConvNeXt V2	ConvNeXt V2-P	9.1	IN-1k : FCMAE : 1600	IN-1k : 600 : 224	1.37	80.3
SLaK	SLaK-S	55.0	IN-1k : Sup. : 300	— : — : —	9.8	83.8
FocalNet	FocalNet-B-SRF	88.1	IN-22k : Sup. : 90	IN-1k : 30 : 224	15.3	85.6
FocalNet	FocalNet-B-SRF	88.1	IN-22k : Sup. : 90	IN-1k : 30 : 384	44.8	86.5
CAFormer	CAFormer-S36	39.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	8.0	85.8
CAFormer	CAFormer-S36	39.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	26.0	86.9
Swin	Swin-T	29.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	4.5	80.9
RepLKNet	RepLKNet-31B	79.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	15.3	85.2
RepLKNet	RepLKNet-31B	79.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	45.1	86.0
CoAtNet	CoAtNet-3	168.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	107.4	87.6
CoAtNet	CoAtNet-3	168.0	IN-22k : Sup. : 90	IN-1k : 30 : 512	203.1	87.9
ResNet (RSB)	ResNet-18 (RSB)	11.7	IN-1k : Sup. : 600	— : — : —	1.8	71.5
ConvNeXt	ConvNeXt-B	89.0	IN-1k : Sup. : 300	— : — : —	15.4	83.8
ConvNeXt	ConvNeXt-B	89.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	45.0	85.1
FocalNet	FocalNet-S-LRF	50.3	IN-1k : Sup. : 300	— : — : —	8.7	83.5
CoAtNet	CoAtNet-0	25.0	IN-1k : Sup. : 300	— : — : —	4.2	81.6
CoAtNet	CoAtNet-0	25.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	13.4	83.9
ConvFormer	ConvFormer-S18	27.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	3.9	83.7
ConvFormer	ConvFormer-S18	27.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	11.6	85.0
CoAtNet	CoAtNet-1	42.0	IN-1k : Sup. : 300	— : — : —	8.4	83.3
CoAtNet	CoAtNet-1	42.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	27.4	85.1
DeiT III	ViT-H (DeiT III)	632.1	IN-22k : Sup. : 90	IN-1k : 50 : 224	167.4	87.2
UniRepLKNet	UniRepLKNet-F	6.2	IN-1k : Sup. : 300	— : — : —	0.9	78.6
ConvNeXt	ConvNeXt-S	50.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	8.7	84.6
ConvNeXt	ConvNeXt-S	50.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	25.5	85.8
Swin	Swin-L	197.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	103.9	87.3
Swin	Swin-L	197.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	34.5	86.3
UniRepLKNet	UniRepLKNet-T	31.0	IN-1k : Sup. : 300	— : — : —	4.9	83.2
MambaOut	MambaOut-T	26.5	IN-1k : Sup. : 300	— : — : —	4.5	82.7
ConvNeXt V2	ConvNeXt V2-A	3.7	IN-1k : FCMAE : 1600	IN-1k : 600 : 224	0.55	76.7
MambaOut	MambaOut-S	48.5	IN-1k : Sup. : 300	— : — : —	9.0	84.1
RandFormer	RandFormer-M48	74.2	IN-1k : Sup. : 300	— : — : —	11.9	81.4
CSWin	CSWin-B	78.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	15.0	85.9
CSWin	CSWin-B	78.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	47.0	87.0
RMT	RMT-B	54.0	IN-1k : Sup. + TL : 300	— : — : —	9.7	85.6
ConvNeXt V2	ConvNeXt V2-H	660.0	IN-1k : FCMAE : 1600	IN-1k : 50 : 224	115.0	86.3
ConvNeXt V2	ConvNeXt V2-H	660.0	IN-1k : FCMAE : 1600	IN-22k : 90 : 384 → IN-1k : 30 : 384	337.9	88.7
ConvNeXt V2	ConvNeXt V2-H	660.0	IN-1k : FCMAE : 1600	IN-22k : 90 : 512 → IN-1k : 30 : 512	600.8	88.9
ResNet (RSB)	ResNet-152 (RSB)	60.2	IN-1k : Sup. : 600	— : — : —	11.6	82.0
EfficientVMamba	EfficientVMamba-T	6.0	IN-1k : Sup. : 300	— : — : —	0.8	76.5
UniRepLKNet	UniRepLKNet-XL	386.4	IN-22k : Sup. : 90	IN-1k : 20 : 384	187.0	88.0
BiFormer	BiFormer-B	57.0	IN-1k : Sup. + TL : 300	— : — : —	9.8	85.4
InternImage	InternImage-B	97.0	IN-1k : Sup. : 300	IN-1k : 300 : 224	16.0	84.9
ConvNeXt	ConvNeXt-XL	350.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	60.9	87.0
ConvNeXt	ConvNeXt-XL	350.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	179.0	87.8
FocalNet	FocalNet-B-SRF	88.1	IN-1k : Sup. : 300	— : — : —	15.3	83.7
EfficientVMamba	EfficientVMamba-B	33.0	IN-1k : Sup. : 300	— : — : —	4.0	81.8
MambaOut	MambaOut-B	84.8	IN-1k : Sup. : 300	— : — : —	15.8	84.2
VSSD	VSSD-M	14.0	IN-1k : Sup. : 300	— : — : —	2.3	82.5
CoAtNet	CoAtNet-3	168.0	IN-1k : Sup. : 300	— : — : —	34.7	84.5
CoAtNet	CoAtNet-3	168.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	107.4	85.8
CoAtNet	CoAtNet-3	168.0	IN-1k : Sup. : 300	IN-1k : 30 : 512	203.1	86.0
UniRepLKNet	UniRepLKNet-B	97.9	IN-22k : Sup. : 90	IN-1k : 30 : 384	47.2	87.4
DeiT III	ViT-B (DeiT III)	86.6	IN-1k : Sup. : 800	IN-1k : 20 : 224	17.5	83.8
DeiT III	ViT-B (DeiT III)	86.6	IN-1k : Sup. : 800	IN-1k : 20 : 384	55.5	85.0
MaxViT	MaxViT-B	120.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	74.2	88.24
MaxViT	MaxViT-B	120.0	IN-22k : Sup. : 90	IN-1k : 30 : 512	138.3	88.38
Hiera	Hiera-B	52.0	IN-1k : MAE : 1600	IN-1k : 100 : 224	9.0	84.5
ConvFormer	ConvFormer-M36	57.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	12.8	86.1
ConvFormer	ConvFormer-M36	57.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	37.7	86.9
FAN (Fully Attentional Networks)	FAN-T-Hybrid	7.0	IN-1k : Sup. : 300	— : — : —	3.5	80.1
FAN (Fully Attentional Networks)	FAN-B-Hybrid	50.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	11.3	85.6
Hiera	Hiera-B+	70.0	IN-1k : MAE : 1600	IN-1k : — : 100	13.0	85.2
FocalNet	FocalNet-S-SRF	50.3	IN-1k : Sup. : 300	— : — : —	8.7	83.4
Swin	Swin-S	50.0	IN-1k : Sup. : 300	— : — : —	8.7	83.2
ResNet (RSB)	ResNet-50 (RSB)	25.6	IN-1k : Sup. : 600	— : — : —	4.1	80.4
MaxViT	MaxViT-XL	475.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	293.7	88.51
MaxViT	MaxViT-XL	475.0	IN-22k : Sup. : 90	IN-1k : 30 : 512	535.2	88.7
CoAtNet	CoAtNet-2	75.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	49.8	87.1
CoAtNet	CoAtNet-2	75.0	IN-22k : Sup. : 90	IN-1k : 30 : 512	96.7	87.3
CAFormer	CAFormer-M36	56.0	IN-1k : Sup. : 300	— : — : —	13.2	85.2
CAFormer	CAFormer-M36	56.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	42.0	86.2
ConvNeXt	ConvNeXt-T	29.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	4.5	82.9
ConvNeXt	ConvNeXt-T	29.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	13.1	84.1
UniRepLKNet	UniRepLKNet-N	18.3	IN-1k : Sup. : 300	— : — : —	2.8	81.6
InternImage	InternImage-T	30.0	IN-1k : Sup. : 300	IN-1k : 300 : 224	5.0	83.5
Hiera	Hiera-H	673.0	IN-1k : MAE : 1600	IN-1k : 50 : 224	125.0	86.9
ResNet (RSB)	ResNet-34 (RSB)	21.8	IN-1k : Sup. : 600	— : — : —	3.7	76.4
FAN (Fully Attentional Networks)	FAN-B-ViT	54.0	IN-1k : Sup. : 300	— : — : —	10.4	83.6
UniRepLKNet	UniRepLKNet-S	55.6	IN-1k : Sup. : 300	— : — : —	9.1	83.9
TransNeXt	TransNeXt-S	49.7	IN-1k : Sup. : 300	— : — : —	10.3	84.7
TransNeXt	TransNeXt-S	49.7	IN-1k : Sup. : 300	IN-1k : 5 : 384	32.1	86.0
RMT	RMT-L	95.0	IN-1k : Sup. : 300	— : — : —	18.2	85.5
GroupMamba	GroupMamba-B	57.0	IN-1k : Sup. : 300	— : — : —	14.0	84.5
MaxViT	MaxViT-L	212.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	128.7	88.32
MaxViT	MaxViT-L	212.0	IN-22k : Sup. : 90	IN-1k : 30 : 512	245.2	88.46
FAN (Fully Attentional Networks)	FAN-T-ViT	7.0	IN-1k : Sup. : 300	— : — : —	1.3	79.2
VSSD	VSSD-S	40.0	IN-1k : Sup. : 300	— : — : —	7.4	84.1
PlainMamba	PlainMamba-L2	25.7	IN-1k : Sup. : 300	— : — : —	8.1	81.6
BiFormer	BiFormer-T	13.1	IN-1k : Sup. : 300	— : — : —	2.2	81.4
ConvFormer	ConvFormer-M36	57.0	IN-1k : Sup. : 300	— : — : —	12.8	84.5
ConvFormer	ConvFormer-M36	57.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	37.7	85.6
RepLKNet	RepLKNet-31B	79.0	IN-1k : Sup. : 300	— : — : —	15.3	83.5
RepLKNet	RepLKNet-31B	79.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	45.1	84.8
IdentityFormer	IdentityFormer-M48	73.3	IN-1k : Sup. : 300	— : — : —	11.5	80.4
IdentityFormer	IdentityFormer-S24	21.3	IN-1k : Sup. : 300	— : — : —	3.4	78.2
LocalVim	LocalVim-T	8.0	IN-1k : Sup. : 300	— : — : —	1.5	76.2
MogaNet	MogaNet-B	43.8	IN-1k : Sup. : 300	— : — : —	9.93	84.3
EfficientVMamba	EfficientVMamba-S	11.0	IN-1k : Sup. : 300	— : — : —	1.3	78.7
CoAtNet	CoAtNet-5	688.0	JFT-300M : Sup. : 14	IN-1k : 30 : 512	812.0	89.77
CAFormer	CAFormer-B36	99.0	IN-1k : Sup. : 300	— : — : —	23.2	85.5
CAFormer	CAFormer-B36	99.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	72.2	86.4
InternImage	InternImage-L	223.0	IN-22k : Sup. : 90	IN-1k : 20 : 384	108.0	87.7
FAN (Fully Attentional Networks)	FAN-B-Hybrid	50.0	IN-1k : Sup. : 300	— : — : —	11.3	83.9
IdentityFormer	IdentityFormer-S12	11.9	IN-1k : Sup. : 300	— : — : —	1.8	74.6
Hiera	Hiera-T	28.0	IN-1k : MAE : 1600	IN-1k : 300 : 224	5.0	82.8
MaxViT	MaxViT-B	120.0	IN-1k : Sup. : 300	— : — : —	23.4	84.95
MaxViT	MaxViT-B	120.0	IN-1k : Sup. : 300	IN-1k : 30 : 384	74.2	86.34
MaxViT	MaxViT-B	120.0	IN-1k : Sup. : 300	IN-1k : 30 : 512	138.5	86.66
RandFormer	RandFormer-S24	21.8	IN-1k : Sup. : 300	— : — : —	3.5	78.8
CSWin	CSWin-L	173.0	IN-22k : Sup. : 90	IN-1k : 30 : 224	31.5	86.5
CSWin	CSWin-L	173.0	IN-22k : Sup. : 90	IN-1k : 30 : 384	96.8	87.5
MogaNet	MogaNet-L	82.5	IN-1k : Sup. : 300	— : — : —	15.9	84.7
VMamba	VMamba-S	50.0	IN-1k : Sup. : 300	— : — : —	8.7	83.6
ConvNeXt V2	ConvNeXt V2-B	89.0	IN-1k : FCMAE : 1600	IN-1k : 100 : 224	15.4	84.9
ConvNeXt V2	ConvNeXt V2-B	89.0	IN-1k : FCMAE : 1600	IN-22k : 90 : 224 → IN-1k : 30 : 224	15.4	86.8
ConvNeXt V2	ConvNeXt V2-B	89.0	IN-1k : FCMAE : 1600	IN-22k : 90 : 384 → IN-1k : 30 : 384	45.2	87.7
DeiT III	ViT-H (DeiT III)	632.1	IN-1k : Sup. : 800	IN-1k : 20 : 224	167.4	85.2