モデル選定

視覚的特徴抽出

# 視覚的特徴抽出

Sam2 Hiera Large.fb R1024 2pt1

HieraDet画像エンコーダーに基づくSAM2モデル、効率的な画像特徴抽出に特化

画像セグメンテーション

Sam2 Hiera Large.fb R1024

timmライブラリに基づくSAM2モデルで、HieraDet画像エンコーダ部分のみを含み、画像特徴抽出タスクに適しています。

画像セグメンテーション

Dinov2.giant.patch 14.reg 4

DINOv2は視覚変換器(ViT)ベースの画像特徴抽出モデルで、レジスタ機構を導入することで特徴抽出能力を向上させています。

Autotrain Ex And Pt 3122688388

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、さまざまな物体カテゴリを識別できます。

CvT-13は畳み込みニューラルネットワークと視覚トランスフォーマーを組み合わせたハイブリッドアーキテクチャモデルで、ImageNet-1kデータセットで事前学習済み、画像分類タスクに適しています。

imagenet-1kで訓練されたRegNet画像分類モデル、ニューラルアーキテクチャサーチによって設計された効率的なネットワーク構造

DINO手法に基づく自己教師あり学習で訓練された視覚Transformerモデル、画像特徴抽出に適しています

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