# 中程度の精度

DETRフレームワークに基づく車両検出モデルで、複数の車両タイプの識別と位置特定をサポート

GoogleのViT-base-patch16-224モデルをファインチューニングした画像分類モデルで、評価セットでの精度は68.97%

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。

これはVision Transformerアーキテクチャに基づく肌タイプ分類モデルで、顔画像から乾性、普通、脂性の3つの肌タイプを識別できます。

facebook/wav2vec2-baseをファインチューニングしたオーディオ分類モデルで、評価データセットで58.92%の精度を達成

これはAutoTrainでトレーニングされた多クラス画像分類モデルで、認知症関連画像の分類タスク専用です。

google/vit-base-patch16-224-in21kをファインチューニングしたマルチラベル分類モデル、精度は73.7%

GoogleのViT基本アーキテクチャに基づき、EuroSATリモートセンシング画像データセットでファインチューニングされた画像分類モデル

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。

このモデルはmicrosoft/dit-base-finetuned-rvlcdip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バージョンで、主に画像分類タスクに使用されます。

これはGoogleのViTモデルをファインチューニングした画像分類モデルで、fl_image_category_dsデータセットで訓練され、66.22%の精度を達成しています。

microsoft/resnet-18をファインチューニングした画像分類モデルで、fl_image_category_dsデータセットでトレーニング済み

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たViTモデル、画像分類タスク用

このモデルはVision Transformer (ViT)アーキテクチャに基づく視覚モデルで、藻類画像の分類タスクに特化しています。

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。

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

ResNet-50アーキテクチャを微調整した顔表情認識モデルで、FER2013データセットで訓練され、精度は68.47%

これはAutoTrainでトレーニングされたマルチクラス画像分類モデルで、汎用物体認識タスクに適しています

ResNetアーキテクチャに基づく天気画像分類モデルで、さまざまな気象条件下の画像を識別します

ViTアーキテクチャに基づく画像偽造検出モデル、未知のデータセットでファインチューニング後70.88%の精度を達成

ConvNeXt-Tinyアーキテクチャに基づく視覚モデルで、画像分類タスクに微調整されています

ResNet50アーキテクチャをベースにファインチューニングしたスタンプ分類モデルで、画像分類タスクにおいて57.42%の精度を達成

このモデルはgoogle/vit-base-patch16-224-in21kを未知の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、主に画像分類タスクに使用されます。

ViTアーキテクチャに基づく画像分類モデルで、様々な架空の生物キャラクターを識別するために使用されます

これはtiny-random-vitモデルを画像分類タスクでファインチューニングしたVision Transformerモデルで、評価セットで66.47%の精度を達成しました。

このモデルはmicrosoft/resnet-50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バージョンで、主に画像分類タスクに使用されます。

5分類画像分類器で、オークとその仲間（ゴブリン、フェアリー、オーガ、トロール）を識別するために使用されます

microsoft/resnet-50を微調整した画像分類モデルで、未知のデータセットで中程度の精度を示す

facebook/wav2vec2-baseを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53.57%の精度を達成

Llamastics は PyTorch ベースの画像分類モデルで、HuggingPics プラットフォームで利用可能です。