モデル選定

エンドツーエンド検出

# エンドツーエンド検出

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。

Dab Detr Resnet 50

DAB-DETRは改良されたDETR物体検出モデルで、動的アンカーボックス検索メカニズムによりトレーニング収束速度と検出精度を大幅に向上

Transformers 英語

RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、効率的なハイブリッドエンコーダとクエリ選択メカニズムによりYOLOシリーズを超える速度と精度のバランスを実現

Transformers 英語

Rtdetr R50vd Coco O365

RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、効率的なハイブリッドエンコーダーと不確実性最小化クエリ選択メカニズムにより、COCOデータセットで53.1% AP、108 FPSの性能を達成しました。

Transformers 英語

Rtdetr R18vd Coco O365

初のリアルタイムエンドツーエンド物体検出器、ハイブリッドエンコーダとクエリ選択メカニズムによりNMS不要の効率的な検出を実現

Transformers 英語

Conditional Detr Resnet 101 Dc5

条件付き検出トランスフォーマー(DETR)モデル、条件付きクロスアテンション機構によりトレーニング収束を加速、物体検出タスクに適応

RT-DETRは初のリアルタイムエンドツーエンド物体検出Transformerモデルで、効率的なハイブリッドエンコーダとクエリ選択メカニズムにより高速高精度検出を実現

Transformers 英語

Detr Resnet 50 Finetuned Road Traffic

DETRアーキテクチャに基づく交通シーン向け物体検出モデル、facebook/detr-resnet-50を基にファインチューニング

Detr Resnet 50 Base Coco

facebook/detr-resnet-50をベースにCOCOデータセットでファインチューニングした物体検出モデル

Detr Resnet 101

Transformerアーキテクチャに基づくエンドツーエンドの物体検出モデル、ResNet-101特徴抽出器を組み合わせ

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42 APの性能を達成しています。

Detr Resnet 50 Panoptic

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データセットで訓練され、物体検出とパノプティック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

Detr Beyond Words

facebook/detr - resnet - 50モデルをベースに、Beyond Wordsデータセットで微調整した物体検出モデル

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