# マルチラベル分類

EmoBench - UA はウクライナ語のテキストの感情を検出するためのモデルで、6つの基本的な感情（喜び、怒り、恐怖、嫌悪、驚き、悲しみ）と無感情状態を識別することができます。

Whisper Large v3を基にした音質分類モデルで、音声のピッチ、音質、音量、明瞭度、リズムなどの特徴を分析します。

ModernBERT-baseをarxiv-new-datasetsデータセットでファインチューニングしたモデルで、主にテキスト分類タスクに使用されます

PPACEは80億パラメータの大規模言語モデルで、生物医学研究資金プロジェクトの要約を自動分類するために設計され、世界保健機関(WHO)の研究優先順位分類をサポートします。

BERTベースの多言語感情分類モデル、6言語のテキスト感情分析をサポート

ModernBERT-baseをファインチューニングしたC/C++コード脆弱性検出モデル、精度86%

このモデルはnlpaueb/legal-bert-base-uncasedをInLegalNER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、インドの法律テキストにおける固有表現認識タスク専用です。

ModernBERT-largeをファインチューニングしたテキスト分類モデルで、テキスト内のさまざまなバイアスタイプを検出・分類します。

Vision Transformer (ViT)アーキテクチャに基づく微調整モデルで、胸部X線画像の分類に使用され、CheXpertデータセットでトレーニングされています。

YOLOS-tinyを微調整したファッションオブジェクト検出モデルで、バッグ、ボトムス、ドレスなど7種類のファッションアイテムを検出するために特別に設計されています。ModaNetとFashionpediaデータセットでトレーニングされ、mAPは0.697を達成しました。

roberta-baseをファインチューニングした毒性コメント分類モデルで、コメント内の有害な内容を検出します。

トルコ語BERTモデルをファインチューニングしたゼロショット分類モデルで、XNLIトルコ語データセットで訓練されており、トルコ語テキスト分類タスクに適しています。

deepset/gbert-largeをfacebook/xnliドイツ語データセットでファインチューニングしたゼロショット分類モデル

ModernBERT-largeをファインチューニングした自然言語推論モデルで、ゼロショット分類タスク専用

FRIDA は、分類、クラスタリング、リランキングなど、さまざまな自然言語処理タスクをサポートするマルチタスク評価モデルです。

これは facebook/bart-large-mnli モデルの OpenVINO 最適化バージョンで、ゼロショットテキスト分類タスクに使用されます。

このモデルはDistilBERTアーキテクチャに基づいており、メールやURLが安全かフィッシングリスクがあるかを判断するためのマルチラベル分類タスク向けに設計されています。

このモデルはDistilBERTをベースに構築され、微調整後、メールとURLをマルチラベル分類し、それが安全か潜在的なフィッシングリスクがあるかを判断できます。

DeBERTaアーキテクチャに基づく小型ゼロショット分類モデル。長文自然言語推論タスク向けに最適化され、Web対応のためONNX形式に変換済み

ruRoberta-largeをファインチューニングしたマルチラベル感情分類モデルで、ロシア語テキスト中の27種類の感情タイプを検出可能。現在ロシア語オープンソースモデルの中で最高性能の感情検出モデルです。

AudioSetで事前学習され、AudioSet-strongでファインチューニングされたCRNN音声イベント検出モデル

PromptGuardは、LLMプロンプト攻撃を検出および保護するためのテキスト分類モデルで、悪意のあるプロンプトインジェクションやジェイルブレイクの試みを識別できます。

DeBERTa-v3-baseを基にした量子化ONNXモデルで、ゼロショットテキスト分類タスクに適しています

効率的なゼロショット分類器で、合成データでトレーニングされており、トピック分類、感情分析、およびRAGプロセスにおけるリランキングタスクに適しています。

GLiClassは効率的なゼロショット分類器で、GLiNERに触発され、テキスト分類、感情分析、およびRAGプロセスにおける再ランキングタスクに適しています。

効率的なゼロショット分類器で、合成データで訓練されており、トピック分類、感情分析、RAGプロセスにおける再ランキングタスクに適しています

GLiClassは合成データでトレーニングされた効率的なゼロショット分類器で、テキスト分類、感情分析、RAGプロセスにおける再ランキングタスクに適しています。

このモデルはBERTアーキテクチャに基づいており、ネットワークセキュリティテキストが属するMITRE ATT&CK戦術フレームワークのカテゴリを識別するために特別に設計されており、マルチラベル分類をサポートします。

このモデルはBert-Base-Uncasedを微調整して、タンパク質のアミノ酸配列に基づいてその機能を予測するマルチラベル分類タスクに使用されます。

BERTをベースにした金融規制分野のマルチラベル分類モデルで、反マネーロンダリング/反テロ資金供与などの規制テキストに最適化されています。

GLiClassは合成データでトレーニングされた効率的なゼロショット分類器で、トピック分類、感情分析、およびRAGプロセスにおける再ランキングタスクに適しています。

これはtransformers.jsをベースにしたフランス語ゼロショット分類モデルで、微調整なしで多クラステキスト分類タスクに適用可能です。

GLiNERは双方向Transformerベースの汎用固有表現認識モデルで、イタリア語に特化して最適化されています。

これはBERT-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、犯罪記述から犯罪タイプを識別するために特別に設計されており、34の分類ラベルを含みます。

SwinV2アーキテクチャに基づく画像タグ分類モデルで、画像内のコンテンツや特徴を自動識別

ATRデータセットでファインチューニングされたSegFormerモデルで、主に服装セグメンテーションや人体セグメンテーションに使用されます

RuBERT-tiny2をファインチューニングしたロシア語マルチラベル感情分類モデル、28種類の感情カテゴリー認識をサポート

DeBERTa-v3-baseをファインチューニングしたドイツ語ゼロショット分類モデルで、マルチラベル分類タスクに適しています

このモデルはFacebookのConvNeXtV2アーキテクチャを基にしたファインチューニング版で、Pixivランキング画像のマルチラベル分類タスク向けに特別に訓練されています

これはスペイン語ベースのゼロショット分類モデルで、多言語自然言語理解タスクに適しています。