# 多クラス分類

Vision Transformer (ViT)アーキテクチャを使用した顔画像分類モデルで、乾燥肌、普通肌、脂性肌の3つの皮膚タイプを検出

これはMITライセンスに基づくゼロショット分類モデルで、特定のトレーニングなしでさまざまな分類タスクに適用できます。

BERT-base-uncasedを基にしたニュース分類モデルで、さまざまなニュースカテゴリを正確に分類できます。

RuBERTをファインチューニングしたロシア語多クラス感情分類モデルで、中立、ポジティブ、ネガティブの3つの感情分類をサポートします。

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、さまざまな民族的特徴を識別します。

これはImageNet-1kデータセットで訓練された視覚画像分類モデルで、さまざまな一般的な物体やシーンを認識できます。

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。

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、検証セットで優れたパフォーマンスを示し、すべての評価指標が1.0に達しました。

このモデルはmicrosoft/beit-base-patch16-224-pt22k-ft22k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93.59%の精度を達成しました。

これはAutoTrainでトレーニングされた天気画像分類モデルで、さまざまな天気タイプの画像を正確に識別できます。

これはAutoTrainを使用してトレーニングされた多クラス画像分類モデルで、天気分類タスク専用です。

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、国旗データセットで優れた性能を発揮します。

Google Vision Transformer (ViT)アーキテクチャに基づく食品画像分類モデルで、Food101データセットでファインチューニングされ、精度は90.9%を達成

これはGoogleのViTモデルをfood101データセットでファインチューニングした食品分類モデルで、精度は89.5%に達します。

アップグレード版食品分類画像認識モデル、12種類の異なるカテゴリーの食品を認識可能

これはHuggingPicsで生成された画像分類モデルで、領収書、紙、請求書、文書などのカテゴリを識別するために特別に設計されています。

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、旗識別タスク専用です。

ViTアーキテクチャに基づく食品画像分類モデル、Food101データセットでファインチューニングされ、精度は89.7%

Kerasが提供する画像分類モデルで、複数の事前学習済みアーキテクチャをサポートし、一般的な画像分類タスクに適しています。

GoogleのViTモデルをFood101データセットでファインチューニングした画像分類モデルで、精度は85.39%を達成

HuggingPicsで生成された画像分類モデル、精度は94.5%

スパースアテンションを基にしたTransformerモデルで、モバイルアプリの説明文分類タスクに特化してファインチューニング

これはAutoNLPを基に訓練された多クラス分類モデルで、銀行取引分類タスクに特化しています。

これは監督付きコントラスト学習技術を用いて訓練されたCIFAR - 10画像分類モデルで、テスト精度は81.06%に達します。

このモデルは、フランス語の政治文の性質のクラスを予測するために使用され、問題、解決策、その他の3つのカテゴリに分けられます。

これはBERTアーキテクチャに基づいて微調整されたトルコ語テキスト分類モデルで、トルコ語テキストを7つの事前定義されたカテゴリに分類することができます。

これはYanzhu/bertweetfr-baseをベースに微調整されたフランス語のツイート感情分類モデルで、新型コロナウイルスの流行に関連するツイートの感情傾向を分析するために特化しています。

Yanzhu/bertweetfr-baseをベースに微調整された、COVID関連のフランス語ツイートを分類するモデルで、ツイートが議論するCOVID関連のテーマを識別するために使用されます。