モデル選定

大規模画像特徴抽出

# 大規模画像特徴抽出

Samvit Large Patch16.sa1b

Segment-Anythingビジュアルトランスフォーマー（SAM ViT）画像特徴モデル、特徴抽出とファインチューニング機能のみを含み、セグメンテーションヘッドは含まれていません。

画像セグメンテーション

Vit Huge Patch14 224.mae

視覚Transformer(ViT)に基づく大規模画像特徴抽出モデルで、自己教師ありマスク自己符号化器(MAE)手法を用いてImageNet-1kデータセットで事前学習済み

Regnety 1280.seer

RegNetY-128GF特徴抽出モデル、SEER手法を用いて20億枚のランダムなネットワーク画像で自己教師あり事前学習を実施

Regnety 640.seer

RegNetY-64GF特徴/バックボーンモデル、SEER手法を用いて20億枚のランダムなインターネット画像で自己教師あり事前学習を実施

Regnety 320.seer

RegNetY-32GF特徴抽出モデル、SEER手法で20億枚のランダムウェブ画像で事前学習済み、画像分類と特徴抽出タスクに適応

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