モデル選定

医療画像

# 医療画像

Unet With Transform

PyTorchで実装されたUnet画像セグメンテーションモデルで、複数のエンコーダーアーキテクチャと事前学習済み重みをサポートしています。

画像セグメンテーション

Brain Tumor Detector Swin

Swin Transformerアーキテクチャに基づく脳腫瘍検出モデルで、画像分類タスクで優れた性能を発揮します

Syn10kplusog Oct ViT Base 8Epochs V1

ViTアーキテクチャに基づく画像分類モデルで、8エポックの訓練後に88.67%の精度を達成

Syn Oct ViT Base 4Epochs 30c V2 Run

ViTアーキテクチャに基づく画像分類モデルで、OCT画像データセットでトレーニングされ、86.67%の精度を達成

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

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

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

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase