Our new X account is live! Follow @wizwand_team for updates

Image Classification on Stanford Cars

99.5Accuracy

LaCLIP

Updated 2d ago

Evaluation Results

Method
LaCLIP 2023.05	99.5	-	-	-	-	-	-	-
CLIP 2023.05	99.2	-	-	-	-	-	-	-
LaCLIP 2023.05	99.1	-	-	-	-	-	-	-
CLIP 2023.05	98.5	-	-	-	-	-	-	-
JFT - Car 2018.11	96.2	-	-	-	-	-	-	-
Full 2020.09	96.1	-	-	-	-	-	-	-
JFT - Car 2018.11	96	-	-	-	-	-	-	-
JFT - Vehicle 2018.11	96	-	-	-	-	-	-	-
TResNet-L 2020.03	96	-	-	-	-	-	-	-
DFN-H+ 2026.02	96	-	-	-	-	-	-	-
Open-TransMind 2023.04	95.96	-	-	-	-	-	-	-
JFT - Transport 2018.11	95.9	-	-	-	-	-	-	-
JFT - Transport 2018.11	95.9	-	-	-	-	-	-	-
Adapters 2020.09	95.9	-	-	-	-	-	-	-
SigLIP2-g-opt 2026.02	95.9	-	-	-	-	-	-	-
Open-TransMind 2023.04	95.85	-	-	-	-	-	-	-
JFT - Vehicle 2018.11	95.8	-	-	-	-	-	-	-
JFT - Adaptive Transfer 2018.11	95.8	-	-	-	-	-	-	-
Dom-Ad 2020.09	95.8	-	-	-	-	-	-	-
SigLIP2-L/16 2026.02	95.8	-	-	-	-	-	-	-
JFT - Adaptive Transfer 2018.11	95.7	-	-	-	-	-	-	-
Dom-Ad 2020.09	95.7	-	-	-	-	-	-	-
CAP 2022.03	95.7	-	-	-	-	-	-	-
CAP 2023.04	95.7	-	-	-	-	-	-	-
Baseline 2020.09	95.6	-	-	-	-	-	-	-
DINOv2 2024.01	95.6	-	-	-	-	-	-	-
Entire JFT Dataset 2018.11	95.3	-	-	-	-	-	-	-
API-Net 2022.03	95.3	-	-	-	-	-	-	-
LaCLIP 2023.05	95.3	-	-	-	-	-	-	-
PMG 2022.03	95.1	-	-	-	-	-	-	-
MetaFormer 2022.03	95	-	-	-	-	-	-	-
MetaFormer 2022.03	95	-	-	-	-	-	-	-
AIM-7B† 2024.01	95	-	-	-	-	-	-	-
MetaFormer 2022.03	94.9	-	-	-	-	-	-	-
MAE 2024.01	94.9	-	-	-	-	-	-	-
EVA 18B 2026.02	94.9	-	-	-	-	-	-	-
DAT 2019.05	94.8	-	-	-	-	-	-	-
MLCD 2024.07	94.8	-	-	-	-	-	-	-
SigLIP-L/16 2026.02	94.8	-	-	-	-	-	-	-
EfficientNet-B7 2020.03	94.7	-	-	-	-	-	-	-
EfficientNet-B7 2019.05	94.7	-	-	-	-	-	-	-
EfficientNet-B7 2020.11	94.7	-	-	-	-	-	-	-
Grafit 2020.11	94.7	-	-	-	-	-	-	-
EfficientNet-B7 2021.03	94.7	-	-	-	-	-	-	-
S3N 2022.03	94.7	-	-	-	-	-	-	-
EfficientNet-B7 2021.07	94.7	-	-	-	-	-	-	-
PEcore G 2026.02	94.7	-	-	-	-	-	-	-
Best Published Result [14] 2018.11	94.6	-	-	-	-	-	-	-
GPipe 2022.03	94.6	-	-	-	-	-	-	-
UNICOM 2024.07	94.6	-	-	-	-	-	-	-
PEcore G (image only) 2026.02	94.6	-	-	-	-	-	-	-
DCL 2022.03	94.5	-	-	-	-	-	-	-
CMT-S 2021.07	94.4	-	-	-	-	-	-	-
InternVL-C 2026.02	94.4	-	-	-	-	-	-	-
Fine-Tuned 2025.12	94.4	-	-	-	-	-	-	-
iBOT 2022.03	94.3	-	-	-	-	-	-	-
iBOT 2022.09	94.3	-	-	-	-	-	-	-
ImageNet - Entire Dataset 2018.11	94.2	-	-	-	-	-	-	-
CaiT-M-36 ↑ 224 2021.03	94.2	-	-	-	-	-	-	-
BEIT 2022.03	94.2	-	-	-	-	-	-	-
CaiT-S-36 ↑ 224 2021.03	94.1	-	-	-	-	-	-	-
CeiT-S 2021.07	94.1	-	-	-	-	-	-	-
Entire JFT Dataset 2018.11	94	-	-	-	-	-	-	-
iBOT 2022.03	94	-	-	-	-	-	-	-
Mugs 2022.03	94	-	-	-	-	-	-	-
Mugs 2022.03	93.9	-	-	-	-	-	-	-
ViT-g/14 2023.05	93.9	-	-	-	-	-	-	-
AIM-1B 2024.01	93.9	-	-	-	-	-	-	-
ViT-L/16 2023.05	93.8	-	-	-	-	-	-	-
AIM-3B 2024.01	93.8	-	-	-	-	-	-	-
Linear Probe 2025.12	93.8	-	-	-	-	-	-	-
KD 2B to ViT-H, M+V+L4 2026.02	93.71	-	-	-	-	-	-	-
dBOT 2022.09	93.7	-	-	-	-	-	-	-
MAE 2024.01	93.7	-	-	-	-	-	-	-
PEcore L 2026.02	93.7	-	-	-	-	-	-	-
Task Matrix 2025.12	93.7	-	-	-	-	-	-	-
EfficientNet-B3 2019.05	93.6	-	-	-	-	-	-	-
SoViT-400m/14 2023.05	93.6	-	-	-	-	-	-	-
OpenCLIP 2024.07	93.6	-	-	-	-	-	-	-
ImageNet - Adaptive Transfer 2018.11	93.5	-	-	-	-	-	-	-
CaiT-S-36 224 2021.03	93.5	-	-	-	-	-	-	-
CaiT-M-36 224 2021.03	93.5	-	-	-	-	-	-	-
ISyNet-N3 2021.09	93.46	-	-	-	-	-	-	-
Inception-v4 2019.05	93.4	-	-	-	-	-	-	-
SigLIP2-B/16 2026.02	93.4	-	-	-	-	-	-	-
Open-TransMind 2023.04	93.34	-	-	-	-	-	-	-
JFT - Aircraft 2018.11	93.3	-	-	-	-	-	-	-
Inception-v4 2021.07	93.3	-	-	-	-	-	-	-
JFT - Animal 2018.11	93.2	-	-	-	-	-	-	-
DINO 2022.03	93	-	-	-	-	-	-	-
DINO 2022.03	93	-	-	-	-	-	-	-
DINO 2022.09	93	-	-	-	-	-	-	-
AIM-0.6B 2024.01	93	-	-	-	-	-	-	-
ISyNet-N1-S3 2021.09	92.86	-	-	-	-	-	-	-
ISyNet-N1-S2 2021.09	92.83	-	-	-	-	-	-	-
Multiple models 2022.08	92.8	-	-	-	-	-	-	-
ResNet-50+ 2021.09	92.77	-	-	-	-	-	-	-
Grafit FC 2020.11	92.7	-	-	-	-	-	-	-
ISyNet-N1 2021.09	92.68	-	-	-	-	-	-	-
ISyNet-N2 2021.09	92.62	-	-	-	-	-	-	-

Showing 100 of 666 rows