Owlvit Base Patch32
OWL-ViTは、視覚Transformerベースのゼロショット物体検出モデルで、微調整なしで新しいカテゴリの物体を検出できます。
ダウンロード数 86
リリース時間 : 11/13/2023
モデル概要
このモデルはTransformerアーキテクチャに基づくゼロショット物体検出モデルで、提供されたテキストラベルに基づいて画像中の物体を検出し、特定のカテゴリに対するトレーニングは不要です。
モデル特徴
ゼロショット検出能力
特定のカテゴリに対するトレーニングなしで、新しいカテゴリの物体を検出可能
テキストガイド検出
テキスト記述で検出したい物体カテゴリを指定
Transformerアーキテクチャベース
視覚Transformerアーキテクチャを採用し、テキストと画像情報を統合
ウェブ対応
ONNX形式の重みを提供し、ブラウザ環境での使用が容易
モデル能力
ゼロショット物体検出
マルチクラス物体認識
テキストガイド画像解析
バウンディングボックス予測
使用事例
画像解析
物体検出
画像中で指定カテゴリの物体を検出
検出された物体カテゴリ、信頼度、バウンディングボックス座標を返す
コンテンツモデレーション
センシティブコンテンツ検出
画像中に特定タイプのセンシティブコンテンツが存在するか検出
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98