# 産業用ビジョン

DETR-ResNet50アーキテクチャを基に微調整された安全帽検出モデル、産業シーン向けに設計

これはYOLOv3アーキテクチャをベースにファインチューニングされた物体検出モデルで、特定シナリオ向けに最適化されています

YOLOv5は世界で最も人気のある視覚AIモデルで、Ultralyticsによって開発され、数千時間の研究開発経験を統合し、効率的な物体検出能力を提供します。

nvidia/mit-b5を微調整した画像セグメンテーションモデルで、ひび割れ検出タスクに特化

AutoTrainでトレーニングされた多クラス画像分類モデルで、太陽光パネル物体検出タスクに特化

様々な一般的な物体やシーンを識別できる画像分類用の視覚モデルです。

GoogleのViTモデルをファインチューニングしたバージョンで、画像分類タスクにおいて99.4%の検証精度を達成

YOLOv5mアーキテクチャに基づくフォークリフト物体検出モデルで、keremberke/フォークリフト物体検出データセットでトレーニングされ、mAP@0.5で0.85を達成しました。

YOLOv5sベースのフォークリフト物体検出モデルで、産業現場におけるフォークリフトの識別と位置特定に適しています。

YOLOv5nベースの軽量フォークリフト物体検出モデル、フォークリフト認識に最適化

Google Vision Transformer (ViT)アーキテクチャに基づく微調整モデルで、画像分類タスクに適しています

microsoft/resnet-18をファインチューニングした画像分類モデルで、画像フォルダデータセットで優れた性能を発揮します。

このモデルはfacebook/convnext-tiny-224を微調整したバージョンで、主に画像分類タスクに使用され、評価セットで優れた性能を示しています。

GoogleのViTモデルをファインチューニングして得られた違規画像分類モデルで、精度は95.6%

このモデルはGoogle Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、image_folderデータセットでファインチューニング後86.36%の精度を達成しました。