# 環境モニタリング

SigLIPアーキテクチャ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、7種類の地理シーン要素を識別可能

このモデルはmicrosoft/conditional-detr-resnet-50をファインチューニングした物体検出モデルで、ゴミ検出タスク専用に設計されており、トレーニング時にデータ拡張技術が使用されました。

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

このモデルはGoogleのViTモデルを藻類データセットで微調整した視覚分類モデルで、主に藻類画像分類タスクに使用されます。

nvidia/mit-b5モデルをファインチューニングした画像分割モデルで、ゴミ識別タスクに使用

YOLOv8ベースの画像分類モデルで、霧や煙のシーンを識別するために使用されます。

YOLOv5mベースの物体検出モデルで、ゴミ検出タスク専用です。

YOLOv5nベースのゴミ目標検出モデルで、ゴミアイテムの識別と分類に使用されます。

PyTorchとHuggingPicsを基に構築された画像分類モデルで、異なるタイプの汚染を識別するために特化しています。