# マルチラベル認識

GLiNER-BioMedはGLiNERフレームワークに基づく効率的なオープンバイオメディカル固有表現認識モデルスイートで、バイオメディカル分野向けに設計されており、さまざまなエンティティタイプを認識できます。

ONNX形式の軽量ゼロショット物体検出モデルで、Transformers.jsと互換性があり、ブラウザサイド展開に適しています。

MobileCLIP S2 は軽量な視覚-言語モデルで、画像特徴抽出とゼロショット画像分類タスクに特化しています。

MobileCLIP S0は、Appleのml-mobileclipプロジェクトのONNX対応バージョンで、モバイルデバイス向けに最適化されたゼロショット画像分類モデルです。

OWL-ViTは、視覚Transformerベースのゼロショット物体検出モデルで、微調整なしで新しいカテゴリの物体を検出できます。

bert-base-uncasedモデルをファインチューニングした分類モデルで、特定のタスクで91.13%の精度を達成

Google Vision Transformerをファインチューニングしたマルチラベル画像分類モデルで、アニメシリーズ『Futurama』のスクリーンショットの内容を識別するために特別に設計されています。