# リアルタイム検出

Redditコメント内のAI生成コンテンツを検出するための二値分類テキスト分類モデルで、ブラウザ拡張機能によるリアルタイム検出をサポートします。

D-FINEは物体検出に使用されるモデルで、DETRモデルのバウンディングボックス回帰タスクを再定義することで、優れた位置決め精度を実現します。

YOLOv8フレームワークをファインチューニングしたナンバープレート検出モデルで、自動運転や交通監視シナリオに適しています

これはYOLOv3アーキテクチャをベースにファインチューニングされた物体検出モデルで、特定シナリオ向けに最適化されています

これはApache-2.0ライセンスで公開された物体検出モデルで、画像内の特定のオブジェクトを識別し位置を特定します。

FRC 578チームが開発したYOLO v10小型モデルで、教育デモンストレーション用に物体検出モデルの原理を展示

LeYOLOはYOLOアーキテクチャに基づく物体検出モデルで、nano、small、medium、largeなど複数のサイズバージョンを提供し、リアルタイム物体検出タスクに適しています。

これはtransformersベースのキーポイント検出モデルで、画像内のキーポイント位置を識別します

facebook/detr-resnet-50をファインチューニングした銃器物体検出モデルで、画像中の銃器物体を識別します。

PyTorchで実装された物体検出モデルで、画像内の物体を識別および位置特定します。

このモデルは画像内に眼鏡が存在するかどうかを検出するために使用され、顔分析や本人確認などのシナリオに適しています。

YOLOv5mベースの物体検出モデルで、ゴミ検出タスク専用です。

YOLOv5nベースのゴミ目標検出モデルで、ゴミアイテムの識別と分類に使用されます。

YOLOv5nベースの軽量オブジェクト検出モデルで、『クラッシュ・オブ・クラン』ゲーム内の様々なオブジェクトを検出するために特別に設計されています。

YOLOv5ベースのサッカー目標検出モデル、サッカー試合中の目標検出専用

YOLOv5nベースのサッカー目標検出モデルで、サッカー場上の様々な目標を検出するために特別に設計されています。

ビジュアルトランスフォーマーアーキテクチャに基づくモデルで、リサイクル材料の自動分類に特化しています。

COCO 2017物体検出データセットでファインチューニングされたYOLOS小型モデル、Vision Transformerアーキテクチャを使用した効率的な物体検出

COCO 2017物体検出データセットでファインチューニングされたYOLOSモデル、Vision Transformerアーキテクチャを採用し、物体検出タスクに適しています。

COCO 2017物体検出データセットでファインチューニングされたYOLOSモデル、Vision Transformerアーキテクチャを使用した効率的な物体検出を実現。

PyTorchベースの画像分類モデルで、画像内の異常を検出します。

GoogleのViTモデルを微調整した違反画像分類モデルで、評価セットでの精度は95.92%

BERT Tinyアーキテクチャに基づいて微調整された軽量級の偽ニュース検出モデルで、中国語テキスト分析に適しています。

DETRはTransformerアーキテクチャに基づくエンドツーエンド物体検出モデルで、ResNet-50をバックボーンとして使用し、COCOデータセットでトレーニングされています。