# 軽量視覚モデル

Mistral Smallモデルを基にした視覚エンコーダーで、画像テキスト生成タスクをサポートし、llama.cppフレームワークに適応

Swin Transformer Tinyアーキテクチャをファインチューニングしたドッグフード画像分類モデル、テストセットで98.8%の精度を達成

LSNetは人間の視覚システムの動的異尺度能力にヒントを得た軽量視覚モデルファミリーで、様々な視覚タスクにおいて性能と効率のバランスを実現しています。

Granite Vision 3.2 2B は IBM が開発した視覚言語モデルで、画像テキストからテキストへの変換タスクに特化しています。

AIM-v2は効率的な画像エンコーダーで、timmライブラリをベースに実装されており、様々なコンピュータビジョンタスクに適しています。

timmライブラリに基づくSAM2（HieraDet画像エンコーダーのみ）の重みで、FacebookのHiera小型モデルに由来します。

YOLOSは視覚Transformer（ViT）ベースの物体検出モデルで、DETR損失で訓練され、COCOデータセットで優れた性能を発揮します。

GoogleのViTモデルを基にファインチューニングした、猫の感情分類用画像分類モデル

Swin Transformerアーキテクチャに基づく微小モデル、CIFAR-10画像分類タスク向けにファインチューニング

DeiT-tinyアーキテクチャに基づく軽量画像分類モデルで、カスタム画像データセットで微調整後98.56%の検証精度を達成

AutoTrainでトレーニングされた多クラス画像分類モデルで、一般的な物体の分類認識をサポート

Swin Transformer Tinyアーキテクチャに基づく画像分類モデルで、CIFAR10データセットでファインチューニングされ、精度97.24%を達成

これはAutoTrainでトレーニングされた多クラス画像分類モデルで、検証セットで優れた性能を発揮し、精度は90.9%に達しました。

これはAutoTrainでトレーニングされた多クラス画像分類モデルで、天気分類タスク専用です。

Swin Transformerアーキテクチャに基づく微調整モデル、AI生成コンテンツ検出タスク用

AutoTrainでトレーニングされた3クラス画像分類モデルで、検証セットで95%の精度を達成

Swin Transformer Tinyアーキテクチャに基づく視覚モデルで、未知のデータセットで微調整され、画像分類タスクに使用されます

AutoTrainでトレーニングされたマルチクラス画像分類モデルで、さまざまな一般的な物体の分類認識をサポートします

Swin Transformer Tinyアーキテクチャに基づく微調整モデルで、画像分類タスクに使用されます

Google Vision Transformer (ViT)モデルを基に微調整した画像分類モデルで、カスタム画像データセットでトレーニング済み

Swin Transformer Tinyアーキテクチャに基づく画像分類モデルで、カスタム画像データセットで130エポックのファインチューニングを行い、精度90.23%を達成

Swin Transformer Tinyアーキテクチャに基づく画像分類モデル、特定の画像データセットで130エポックのファインチューニングを実施

これはAutoTrainを使用してトレーニングされた二項分類モデルで、猫と犬の画像を区別するために特別に設計されています。

このモデルはfacebook/levit-192を基に、未ラベル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、精度、再現率、F1値、正解率において優れた性能を示しています。

マイクロソフトのSwin Transformer Tinyアーキテクチャを基にした軽量画像分類モデルで、スナック分類データセットでファインチューニング後、92.86%のテスト精度を達成

視覚Transformerアーキテクチャに基づく画像分類モデルで、チワワ犬とクッキーの2種類の画像を区別するために特別に設計されています