モデル選定

中程度精度

# 中程度精度

Rtdetr R50 Cppe5 Finetune

RT-DETRアーキテクチャに基づく物体検出モデルで、COCOとObjects365データセットの事前学習に基づきCPPE-5データセット向けにファインチューニング

Mit B0 CMP Semantic Seg With Mps V2

nvidia/mit-b0をファインチューニングしたセマンティックセグメンテーションモデルで、建築ファサード画像の分割タスクに使用

画像セグメンテーション

Transformers 英語

microsoft/resnet-50をファインチューニングした画像分類モデルで、評価データセットでの精度は64.1%

Vit Base Patch16 224 In21k Iiii

このモデルはgoogle/vit-base-patch16-224-in21kをファインチューニングしたビジョントランスフォーマーモデルで、主に画像分類タスクに使用されます。

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