# ファインチューニングモデル

distilbert-base-uncasedをファインチューニングしたテキスト分類モデルで、AG Newsデータセットで訓練され、精度は89.06%

T5-smallアーキテクチャを基にファインチューニングしたテキスト要約モデルで、株式ニュースコンテンツの処理に特化

T5-smallモデルをXSumデータセットでファインチューニングしたテキスト要約モデル

MCG-NJU/videomae-baseをベースに微調整した動画分析モデルで、詐欺検出タスクにおいて70.37%の精度を達成

DistilBERT-base-uncasedをファインチューニングした食品/非食品テキスト分類器で、評価データセットで100%の精度を達成

distilbert-base-uncasedをファインチューニングした感情分析モデルで、テキストの感情分類タスクに使用

このモデルはMCG-NJU/videomae-base-finetuned-kineticsをベースにファインチューニングしたバージョンで、主に動画理解タスクに使用され、評価データセットで91.38%の精度を達成しました。

IndicBART-mr-testはai4bharat/IndicBARTモデルを未知の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、主にテキスト生成タスクに使用され、マラーティー語をサポートします。

これはハイチ・クレオール語のテキスト読み上げモデルで、jsbeaudry/haitian_creoleを基にファインチューニングされています。

DistilBERTベースの軽量感情分析モデル、テキスト感情分類タスクに適しています

openai/whisper-smallをベースにファインチューニングしたアムハラ語音声認識モデルで、評価データセットにおける単語誤り率は2.0538%

microsoft/conditional-detr-resnet-50をファインチューニングした物体検出モデルで、特定シナリオにおける物体検出タスクに適しています

facebook/detr-resnet-50モデルを船舶データセットで20エポックファインチューニングした物体検出モデル

このモデルはFacebookのDETR-ResNet-50-DC5アーキテクチャを基に、バッタ検出データセットでファインチューニングされた物体検出モデルです。

DistilBERTベースの感情分析モデル、未知のデータセットでファインチューニングされ、精度は56.16%

microsoft/speecht5_ttsをベースにcommon_voice_17_0データセットでファインチューニングしたタミル語音声合成モデル

このモデルはmicrosoft/conditional-detr-resnet-50をファインチューニングした物体検出モデルで、ゴミ検出タスク専用に設計されており、トレーニング時にデータ拡張技術が使用されました。

MCG-NJU/videomae-largeモデルをディープフェイク検出コンペティションの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、動画のディープフェイク検出に使用されます。

ViT-GPT2アーキテクチャに基づく画像キャプション生成モデルで、入力画像に対して自然言語の説明を生成できます。

このモデルはgoogle/flan-t5-baseをsamsum対話要約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、対話要約タスク専用に設計されています。

distilbert-base-uncasedをファインチューニングしたテキスト分類モデルで、評価データセットで優れた性能を示し、精度とF1スコアが共に1.0を達成しました。

このモデルはasapp/sew-mid-100kをalexandreacff/kaggle-fake-detectionデータセットでファインチューニングした音声分類モデルで、偽音声検出に使用されます。

microsoft/speecht5_ttsをファインチューニングした音声合成モデルで、未知のデータセットでトレーニングされ、検証損失は0.3771です。

facebook/wav2vec2-baseモデルをベースにファインチューニングした音声処理モデルで、評価セットで99.97%の精度を達成

facebook/wav2vec2-baseモデルをベースにファインチューニングした音声処理モデルで、評価データセットで99.97%の精度を達成

このモデルは、OpenAIのWhisper largeをCommon Voice 14.0スワヒリ語(SW)データセットでファインチューニングした音声認識モデルで、単語誤り率(WER)は25.13%です。

wav2vec2-baseモデルをオーディオフォルダデータセットでファインチューニングしたオーディオ分類モデルで、検証セットの精度は99.82%

このモデルはwhisper-smallアーキテクチャに基づく方言分類器で、特定の方言の音声入力を識別・分類するために使用されます。

naver-clova-ix/donut-baseをファインチューニングした手書き認識モデル

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インド手話画像分類モデルで、精度は99.05%

このモデルはHelsinki-NLP/opus-mt-en-zhをファインチューニングした英中翻訳モデルで、評価セットで96.75のBLEUスコアを達成しました。

BAAI/bge-reranker-largeを韓国語データでファインチューニングしたRerankerモデルで、韓国語検索拡張生成(RAG)の性能向上に使用

facebook/detr-resnet-50をベースに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DETR物体検出モデル

facebook/detr-resnet-101を食品画像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

GPT-2アーキテクチャをwikitext2データセットでファインチューニングした言語モデル

マイクロソフトのtrocr-base-printedモデルをファインチューニングしたCAPTCHA認識モデルで、印刷体テキストのOCRタスク専用に設計されています

このモデルは家具データセットでfacebook/detr-resnet-50をファインチューニングしたバージョンで、物体検出タスクに使用されます。

TimeSformerアーキテクチャに基づくビデオ分類モデルで、Kinetics-400データセットで事前学習され、UCF101データセットでファインチューニングされ、LoRA技術を用いた継続学習が行われています。

ResNet-18をファインチューニングした猫と犬の画像分類モデルで、Kaggleの猫犬データセットでトレーニングされ、精度は99.29%

naver-clova-ix/donut-baseをファインチューニングしたモデルで、レシート認識やドキュメント理解タスクに使用可能