Segformer B5 Finetuned Human Parsing
MIT - B5アーキテクチャに基づいて微調整された人体部位分割モデルで、衣類と身体部位の細かい分割に長けています。
ダウンロード数 55
リリース時間 : 1/17/2024
モデル概要
このモデルはSegFormerアーキテクチャのバリエーションで、人体部位と衣類のセマンティック分割タスクに特化しています。帽子、上着、ズボンなど20種類の人体関連要素を正確に識別でき、バーチャル試着、行動分析などのシーンに適しています。
モデル特徴
細かい部位分割
眼鏡、スカーフなどの小物を含む20種類の人体部位と衣類の正確な分割をサポートします。
高精度な性能
顔、髪などの重要な領域で90%以上の正確率を達成します。
軽量な微調整
事前学習モデルに基づいて効率的に微調整し、特定の人体解析タスクに適応します。
モデル能力
人体部位識別
衣類分類
ピクセルレベルの分割
多クラスラベリング
使用事例
ファッションテクノロジー
バーチャル試着システム
衣類領域を正確に分割してバーチャルな着替え効果を実現します。
上着/ズボンの分割正確率が85%以上
衣類電子商取引検索
衣類の特徴分析を通じて検索精度を向上させます。
ヒューマンマシンインタラクション
モーションキャプチャ前処理
動作認識に正確な身体部位の位置情報を提供します。
## 🚀 segformer-b5-finetuned-human-parsing
このモデルは、[nvidia/mit-b5](https://huggingface.co/nvidia/mit-b5) をNoneデータセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。
- 損失: 0.2292
- 平均IoU: 0.6258
- 平均精度: 0.7547
- 全体精度: 0.8256
- 背景精度: nan
- 帽子精度: 0.8561
- 髪の精度: 0.8974
- サングラス精度: 0.7540
- 上着精度: 0.8553
- スカート精度: 0.7026
- ズボン精度: 0.8913
- ドレス精度: 0.7525
- ベルト精度: 0.4251
- 左脚靴精度: 0.6014
- 右脚靴精度: 0.6374
- 顔精度: 0.9094
- 左脚精度: 0.8452
- 右脚精度: 0.8343
- 左腕精度: 0.8506
- 右腕精度: 0.8287
- バッグ精度: 0.8232
- スカーフ精度: 0.3662
- 背景IoU: 0.0
- 帽子IoU: 0.7625
- 髪のIoU: 0.8171
- サングラスIoU: 0.6400
- 上着IoU: 0.7700
- スカートIoU: 0.6211
- ズボンIoU: 0.7788
- ドレスIoU: 0.5512
- ベルトIoU: 0.3564
- 左脚靴IoU: 0.5032
- 右脚靴IoU: 0.5381
- 顔IoU: 0.8294
- 左脚IoU: 0.7412
- 右脚IoU: 0.7591
- 左腕IoU: 0.7579
- 右腕IoU: 0.7705
- バッグIoU: 0.7729
- スカーフIoU: 0.2956
## 🔧 技術詳細
### 学習ハイパーパラメータ
学習中に使用されたハイパーパラメータは以下の通りです。
- 学習率: 6e-05
- 学習バッチサイズ: 2
- 評価バッチサイズ: 2
- シード: 42
- オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
- 学習率スケジューラタイプ: 線形
- エポック数: 15
### 学習結果
| 学習損失 | エポック | ステップ | 検証損失 | 平均IoU | 平均精度 | 全体精度 | 背景精度 | 帽子精度 | 髪の精度 | サングラス精度 | 上着精度 | スカート精度 | ズボン精度 | ドレス精度 | ベルト精度 | 左脚靴精度 | 右脚靴精度 | 顔精度 | 左脚精度 | 右脚精度 | 左腕精度 | 右腕精度 | バッグ精度 | スカーフ精度 | 背景IoU | 帽子IoU | 髪のIoU | サングラスIoU | 上着IoU | スカートIoU | ズボンIoU | ドレスIoU | ベルトIoU | 左脚靴IoU | 右脚靴IoU | 顔IoU | 左脚IoU | 右脚IoU | 左腕IoU | 右腕IoU | バッグIoU | スカーフIoU |
|:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:-------------------:|:------------:|:-------------:|:-------------------:|:----------------------:|:--------------:|:--------------:|:--------------:|:-------------:|:------------------:|:-------------------:|:-------------:|:-----------------:|:------------------:|:-----------------:|:------------------:|:------------:|:--------------:|:--------------:|:-------:|:--------:|:--------------:|:-----------------:|:---------:|:---------:|:---------:|:--------:|:-------------:|:--------------:|:--------:|:------------:|:-------------:|:------------:|:-------------:|:-------:|:---------:|
| 1.1597 | 0.04 | 20 | 1.5815 | 0.1179 | 0.1991 | 0.4296 | nan | 0.0060 | 0.6905 | 0.0 | 0.7657 | 0.0108 | 0.6431 | 0.2946 | 0.0 | 0.0288 | 0.0366 | 0.1480 | 0.0025 | 0.5692 | 0.0096 | 0.0259 | 0.1537 | 0.0 | 0.0 | 0.0051 | 0.4253 | 0.0 | 0.5199 | 0.0103 | 0.3388 | 0.1700 | 0.0 | 0.0258 | 0.0338 | 0.0895 | 0.0025 | 0.3162 | 0.0094 | 0.0253 | 0.1495 | 0.0 |
| 0.6963 | 0.08 | 40 | 0.8073 | 0.1759 | 0.2719 | 0.4628 | nan | 0.0015 | 0.8699 | 0.0 | 0.4736 | 0.4932 | 0.5141 | 0.6775 | 0.0 | 0.0062 | 0.1038 | 0.5301 | 0.0916 | 0.5071 | 0.0092 | 0.0549 | 0.2889 | 0.0 | 0.0 | 0.0015 | 0.6169 | 0.0 | 0.4242 | 0.2202 | 0.3522 | 0.2251 | 0.0 | 0.0062 | 0.0904 | 0.4914 | 0.0852 | 0.3160 | 0.0092 | 0.0541 | 0.2731 | 0.0 |
| 0.5786 | 0.12 | 60 | 0.6136 | 0.2538 | 0.3642 | 0.4679 | nan | 0.0180 | 0.8122 | 0.0 | 0.1998 | 0.0000 | 0.6621 | 0.8592 | 0.0 | 0.1440 | 0.2772 | 0.8381 | 0.4032 | 0.6068 | 0.4182 | 0.3097 | 0.6434 | 0.0 | 0.0 | 0.0179 | 0.6760 | 0.0 | 0.1951 | 0.0000 | 0.5471 | 0.2218 | 0.0 | 0.1147 | 0.2032 | 0.6403 | 0.3189 | 0.4204 | 0.3505 | 0.2947 | 0.5676 | 0.0 |
| 0.324 | 0.16 | 80 | 0.4282 | 0.2893 | 0.4044 | 0.6041 | nan | 0.0147 | 0.7890 | 0.0 | 0.8222 | 0.7984 | 0.6646 | 0.1038 | 0.0 | 0.0896 | 0.3308 | 0.8277 | 0.4099 | 0.6839 | 0.2401 | 0.5474 | 0.5521 | 0.0 | 0.0 | 0.0147 | 0.6800 | 0.0 | 0.6159 | 0.3049 | 0.5913 | 0.0938 | 0.0 | 0.0802 | 0.2394 | 0.6598 | 0.3178 | 0.4504 | 0.2288 | 0.4189 | 0.5113 | 0.0 |
| 0.297 | 0.2 | 100 | 0.4020 | 0.3034 | 0.4230 | 0.6332 | nan | 0.0048 | 0.8076 | 0.0080 | 0.9042 | 0.6567 | 0.8036 | 0.0317 | 0.0 | 0.0481 | 0.5298 | 0.7728 | 0.2589 | 0.7232 | 0.5941 | 0.3839 | 0.6643 | 0.0 | 0.0 | 0.0048 | 0.6708 | 0.0080 | 0.6300 | 0.3836 | 0.5929 | 0.0314 | 0.0 | 0.0441 | 0.3152 | 0.6726 | 0.2420 | 0.4745 | 0.4532 | 0.3631 | 0.5759 | 0.0 |
| 0.2608 | 0.24 | 120 | 0.3538 | 0.3444 | 0.4554 | 0.6504 | nan | 0.2922 | 0.8078 | 0.0753 | 0.8472 | 0.0425 | 0.6961 | 0.6197 | 0.0 | 0.2550 | 0.3074 | 0.8020 | 0.5636 | 0.6895 | 0.3779 | 0.6930 | 0.6734 | 0.0 | 0.0 | 0.2757 | 0.6940 | 0.0747 | 0.6457 | 0.0419 | 0.6098 | 0.3611 | 0.0 | 0.1849 | 0.2412 | 0.7038 | 0.4513 | 0.5038 | 0.3439 | 0.4760 | 0.5915 | 0.0 |
| 0.3306 | 0.28 | 140 | 0.3281 | 0.3562 | 0.4736 | 0.6560 | nan | 0.4111 | 0.8576 | 0.1953 | 0.8081 | 0.6916 | 0.7888 | 0.3489 | 0.0 | 0.0809 | 0.3612 | 0.8132 | 0.0622 | 0.7078 | 0.6328 | 0.5437 | 0.7482 | 0.0 | 0.0 | 0.3895 | 0.7227 | 0.1857 | 0.6777 | 0.3750 | 0.6015 | 0.2749 | 0.0 | 0.0740 | 0.2602 | 0.7070 | 0.0612 | 0.4348 | 0.5114 | 0.4966 | 0.6385 | 0.0 |
| 0.364 | 0.32 | 160 | 0.3368 | 0.3689 | 0.4836 | 0.6531 | nan | 0.3898 | 0.8453 | 0.1743 | 0.9269 | 0.2493 | 0.7922 | 0.0842 | 0.0 | 0.4874 | 0.2384 | 0.8116 | 0.6226 | 0.5731 | 0.6049 | 0.6620 | 0.7597 | 0.0 | 0.0 | 0.3746 | 0.7246 | 0.1690 | 0.6015 | 0.1998 | 0.5942 | 0.0786 | 0.0 | 0.2682 | 0.1904 | 0.7015 | 0.4781 | 0.4781 | 0.5452 | 0.5804 | 0.6562 | 0.0 |
| 0.635 | 0.36 | 180 | 0.3092 | 0.3699 | 0.4903 | 0.6319 | nan | 0.4996 | 0.8387 | 0.2136 | 0.6184 | 0.0129 | 0.7920 | 0.8199 | 0.0 | 0.1895 | 0.3028 | 0.8307 | 0.7258 | 0.3386 | 0.7480 | 0.6543 | 0.7511 | 0.0 | 0.0 | 0.4613 | 0.7126 | 0.2042 | 0.5589 | 0.0128 | 0.6658 | 0.3529 | 0.0 | 0.1622 | 0.2426 | 0.7363 | 0.4646 | 0.3144 | 0.5794 | 0.5575 | 0.6321 | 0.0 |
| 0.1464 | 0.4 | 200 | 0.3306 | 0.3809 | 0.5041 | 0.6544 | nan | 0.6110 | 0.8337 | 0.2420 | 0.8913 | 0.8862 | 0.6492 | 0.0004 | 0.0 | 0.2888 | 0.2949 | 0.8514 | 0.4630 | 0.7751 | 0.7020 | 0.5429 | 0.5386 | 0.0 | 0.0 | 0.5329 | 0.7348 | 0.2331 | 0.6567 | 0.3661 | 0.5769 | 0.0004 | 0.0 | 0.2221 | 0.2333 | 0.7431 | 0.4133 | 0.5478 | 0.5718 | 0.5125 | 0.5107 | 0.0 |
| 0.2257 | 0.44 | 220 | 0.2751 | 0.4089 | 0.5400 | 0.6752 | nan | 0.6851 | 0.8458 | 0.4204 | 0.7241 | 0.1085 | 0.7997 | 0.7657 | 0.0 | 0.2458 | 0.4039 | 0.8858 | 0.7863 | 0.3199 | 0.7405 | 0.6974 | 0.7508 | 0.0 | 0.0 | 0.5815 | 0.7437 | 0.3776 | 0.6458 | 0.1033 | 0.6526 | 0.3966 | 0.0 | 0.2027 | 0.3078 | 0.7438 | 0.4680 | 0.2966 | 0.6204 | 0.5942 | 0.6260 | 0.0 |
| 0.3069 | 0.48 | 240 | 0.2614 | 0.4163 | 0.5499 | 0.6868 | nan | 0.6246 | 0.8571 | 0.3130 | 0.7765 | 0.8266 | 0.7786 | 0.3212 | 0.0 | 0.3560 | 0.3736 | 0.8579 | 0.1780 | 0.8761 | 0.7423 | 0.7693 | 0.6970 | 0.0 | 0.0 | 0.5597 | 0.7370 | 0.2931 | 0.6733 | 0.4032 | 0.6889 | 0.2487 | 0.0 | 0.2662 | 0.2901 | 0.7425 | 0.1724 | 0.4957 | 0.6373 | 0.6376 | 0.6470 | 0.0 |
| 0.1454 | 0.52 | 260 | 0.2563 | 0.4316 | 0.5610 | 0.6965 | nan | 0.6707 | 0.8388 | 0.5572 | 0.7616 | 0.3854 | 0.7280 | 0.7114 | 0.0 | 0.1934 | 0.3621 | 0.8718 | 0.7860 | 0.6140 | 0.7403 | 0.5340 | 0.7820 | 0.0 | 0.0 | 0.5710 | 0.7446 | 0.4497 | 0.6637 | 0.3125 | 0.6624 | 0.4219 | 0.0 | 0.1731 | 0.2862 | 0.7295 | 0.5339 | 0.5054 | 0.5742 | 0.4967 | 0.6449 | 0.0 |
| 0.1522 | 0.56 | 280 | 0.2521 | 0.4327 | 0.5567 | 0.7138 | nan | 0.5098 | 0.9135 | 0.3399 | 0.8898 | 0.5537 | 0.7508 | 0.2922 | 0.0 | 0.3367 | 0.2484 | 0.8388 | 0.7460 | 0.7191 | 0.7496 | 0.7996 | 0.7753 | 0.0 | 0.0 | 0.4902 | 0.7541 | 0.3196 | 0.6924 | 0.3853 | 0.6261 | 0.2512 | 0.0 | 0.2575 | 0.2171 | 0.7393 | 0.5563 | 0.5633 | 0.6403 | 0.6335 | 0.6621 | 0.0 |
| 0.1872 | 0.6 | 300 | 0.2359 | 0.4557 | 0.5797 | 0.7247 | nan | 0.6901 | 0.8832 | 0.5498 | 0.8857 | 0.6636 | 0.7843 | 0.3983 | 0.0 | 0.4549 | 0.2292 | 0.8147 | 0.7126 | 0.6223 | 0.7467 | 0.7014 | 0.7185 | 0.0 | 0.0 | 0.5881 | 0.7556 | 0.4621 | 0.7131 | 0.4264 | 0.6506 | 0.3311 | 0.0 | 0.3025 | 0.1975 | 0.7350 | 0.5635 | 0.5513 | 0.6505 | 0.6318 | 0.6439 | 0.0 |
| 0.2512 | 0.64 | 320 | 0.2601 | 0.4363 | 0.5599 | 0.6801 | nan | 0.6470 | 0.8482 | 0.3819 | 0.6317 | 0.2525 | 0.7437 | 0.8755 | 0.0 | 0.1737 | 0.5412 | 0.8907 | 0.5915 | 0.7943 | 0.7177 | 0.7437 | 0.6852 | 0.0 | 0.0 | 0.5580 | 0.7612 | 0.3645 | 0.5718 | 0.2362 | 0.6671 | 0.3836 | 0.0 | 0.1621 | 0.3641 | 0.7486 | 0.5132 | 0.5865 | 0.6472 | 0.6479 | 0.6409 | 0.0 |
| 0.6521 | 0.68 | 340 | 0.2286 | 0.4716 | 0.6024 | 0.7351 | nan | 0.6559 | 0.8492 | 0.3976 | 0.7517 | 0.5818 | 0.7622 | 0.7422 | 0.0 | 0.5277 | 0.2673 | 0.9098 | 0.7514 | 0.6903 | 0.7853 | 0.7795 | 0.7896 | 0.0 | 0.0 | 0.5839 | 0.7531 | 0.3761 | 0.6829 | 0.4643 | 0.6722 | 0.4762 | 0.0 | 0.3375 | 0.2261 | 0.7551 | 0.5838 | 0.5730 | 0.6548 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534 | 0.6534
Clipseg Rd64 Refined
Apache-2.0
CLIPSegはテキストと画像プロンプトに基づく画像セグメンテーションモデルで、ゼロショットおよびワンショット画像セグメンテーションタスクをサポートします。
画像セグメンテーション
Transformers

C
CIDAS
10.0M
122
RMBG 1.4
その他
BRIA RMBG v1.4 は、効率的に様々な画像の前景と背景を分離するために設計された先進的な背景除去モデルで、非商用利用に適しています。
画像セグメンテーション
Transformers

R
briaai
874.12k
1,771
RMBG 2.0
その他
BRIA AIが開発した最新の背景除去モデルで、様々な画像の前景と背景を効果的に分離でき、大規模な商業コンテンツ制作シーンに適しています。
画像セグメンテーション
Transformers

R
briaai
703.33k
741
Segformer B2 Clothes
MIT
ATRデータセットでファインチューニングされたSegFormerモデル、服装と人体セグメンテーション用
画像セグメンテーション
Transformers

S
mattmdjaga
666.39k
410
Sam Vit Base
Apache-2.0
SAMは、点やボックスなどの入力プロンプトから高品質なオブジェクトマスクを生成できる視覚モデルで、ゼロショットセグメンテーションタスクをサポートします
画像セグメンテーション
Transformers その他

S
facebook
635.09k
137
Birefnet
MIT
BiRefNetは高解像度二分画像分割のための深層学習モデルで、バイラテラル参照ネットワークにより精密な画像分割を実現します。
画像セグメンテーション
Transformers

B
ZhengPeng7
626.54k
365
Segformer B1 Finetuned Ade 512 512
その他
SegFormerはTransformerベースのセマンティックセグメンテーションモデルで、ADE20Kデータセットでファインチューニングされており、画像分割タスクに適しています。
画像セグメンテーション
Transformers

S
nvidia
560.79k
6
Sam Vit Large
Apache-2.0
SAMは入力プロンプト点やバウンディングボックスから高品質な物体マスクを生成できる視覚モデルで、ゼロショット転移能力を備えています。
画像セグメンテーション
Transformers その他

S
facebook
455.43k
28
Face Parsing
nvidia/mit-b5をファインチューニングしたセマンティックセグメンテーションモデルで、顔解析タスク用
画像セグメンテーション
Transformers 英語

F
jonathandinu
398.59k
157
Sam Vit Huge
Apache-2.0
SAMは入力プロンプトに基づいて高品質なオブジェクトマスクを生成できるビジュアルモデルで、新しいタスクへのゼロショット転移をサポートします
画像セグメンテーション
Transformers その他

S
facebook
324.78k
163
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