# ViTファインチューニングモデル

Google Vision Transformer (ViT)をファインチューニングしたペット品種分類モデルで、Oxford-IIITペットデータセットで94.45%の精度を達成

Google Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、beansデータセットに特化してファインチューニングされています

Google Vision Transformer (ViT)アーキテクチャを基にファインチューニングしたトマト葉病害分類モデルで、評価セットで99.67%の精度を達成

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

GoogleのViTベースモデルをBrainMRIデータセットでファインチューニングした画像分類モデル

Vision Transformerをファインチューニングした画像分類モデルで、AI生成画像における解剖学的構造の異常やリアリズムの差異を検出

このモデルはGoogleのViT-base-patch16-224を画像フォルダデータセットでファインチューニングした画像分類モデルで、検証セットの精度は89.21%です。

GoogleのViTモデルをファインチューニングした感情画像分類モデルで、検証セットで59.38%の精度を達成しました。

GoogleのViTモデルをファインチューニングしたもので、宿泊部屋の画像分類に使用され、検証セットの精度は87.5%に達しています

GoogleのViTモデルをcats_vs_dogsデータセットでファインチューニングした画像分類モデルで、猫と犬の画像を区別するために使用されます。

GoogleのViTモデルをポケモン分類データセットでファインチューニングした画像分類モデル

google/vit-base-patch16-224をファインチューニングした視覚モデルで、評価セットでF1スコア0.9931を達成

Google Vision Transformerアーキテクチャに基づく画像分類モデルで、コンテンツモデレーションタスク向けにファインチューニングされ、テストセットで90.43%の精度を達成

google/vit-base-patch16-224-in21kをファインチューニングした画像分類モデル、植物分類タスクに適応

このモデルはGoogleのViT-baseモデルを胸部X線分類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、医療画像解析に使用されます。

GoogleのViTモデルを花卉画像データセットでファインチューニングしたVision Transformerモデル

google/vit-base-patch16-224を基にファインチューニングしたVision Transformerモデル、画像分類タスクに適しています

このモデルはGoogleのViT-base-patch16-224を花卉画像データセットでファインチューニングした視覚Transformerモデルで、画像分類タスクに適しています。

GoogleのViTモデルをファインチューニングしたバージョンで、画像分類タスクにおいて99.4%の検証精度を達成

google/vit-base-patch16-224をファインチューニングしたビジュアルモデル、具体的な用途は明記されていません

ViTアーキテクチャに基づく肺炎検出モデルで、胸部X線分類データセットでファインチューニングされ、精度は97.68%

GoogleのViTモデルを花卉画像データセットでファインチューニングしたVision Transformerモデルで、画像分類タスクに適しています。

GoogleのViTモデルを花卉画像データセットでファインチューニングしたVision Transformerモデル

Vision Transformerアーキテクチャに基づくトマト病害画像分類モデルで、評価セットで99.18%の精度を達成

Google Vision Transformer (ViT)アーキテクチャに基づくトマト病害画像分類モデル、精度98.87%

これはgoogle/vit-base-patch16-224-in21kをファインチューニングした画像分類モデルで、植物の幼苗分類タスク専用に設計されており、テストセットで95.67%の精度を達成しました。

これはViTアーキテクチャに基づく医療画像分類モデルで、乳房成分分析専用に設計されており、前処理1024構成データセットでファインチューニングされています。

Vision Transformerアーキテクチャに基づく画像分類モデルで、BIRADS分類タスク向けにファインチューニングされています

ViTアーキテクチャに基づく芸術スタイル分類モデルで、入力画像の芸術スタイルカテゴリを識別可能

このモデルはGoogleのViT-baseアーキテクチャをbeansデータセットでファインチューニングした画像分類モデルで、精度は97.74%を達成

Google Vision Transformer (ViT)アーキテクチャに基づく事前学習モデルで、EuroSatデータセットでファインチューニングされており、リモートセンシング画像分類タスクに適しています。

GoogleのViTモデルをカスタム画像データセットでファインチューニングしたVision Transformerモデル、評価精度97.7%

ViTアーキテクチャに基づく画像分類モデルで、FER2013データセットでファインチューニングされ、顔表情認識タスクに使用されます。

GoogleのViTモデルをファインチューニングした表情認識モデルで、FER2013データセットで訓練され、70.22%の精度を達成。

このモデルはVision Transformerアーキテクチャに基づくファインチューニング版で、主に藻類画像分類タスクに使用され、評価セットで62.09%の精度を達成しました。

このモデルはGoogleのViTベースモデルを脳腫瘍画像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、脳腫瘍画像分類タスクに使用され、テストセットでの精度は93.16%です。

google/vit-base-patch16-224-in21kをベースにファインチューニングした画像分類モデルで、画像フォルダデータセットでトレーニングされ、評価精度は71.79%を達成しました。

Google Vision Transformer (ViT)アーキテクチャに基づくファインチューニングモデルで、藻類画像分類タスク専用

このモデルはGoogleのViT-base-patch16-224-in21kをbeansデータセットでファインチューニングした画像分類モデルで、検証セットの精度は98.5%を達成しています。

GoogleのViTモデルをbeansデータセットでファインチューニングした高精度画像分類モデル