モデル選定

軽量セマンティックセグメンテーション

# 軽量セマンティックセグメンテーション

Deeplabv3 Mobilenet V2 1.0 513

MobileNetV2アーキテクチャとDeepLabV3+セグメンテーションヘッドを組み合わせた軽量セマンティックセグメンテーションモデルで、PASCAL VOCデータセットで事前学習済み

画像セグメンテーション

Deeplabv3 Mobilevit Xx Small

PASCAL VOCデータセットで事前学習された軽量セマンティックセグメンテーションモデル、MobileViTとDeepLabV3アーキテクチャを組み合わせ

画像セグメンテーション

Deeplabv3 Mobilevit X Small

軽量なビジョントランスフォーマーモデルで、MobileNetV2とトランスフォーマーモジュールを組み合わせ、モバイル向けセマンティックセグメンテーションタスクに適しています。

画像セグメンテーション

Deeplabv3 Mobilevit Small

軽量な視覚Transformerモデルで、MobileNetV2とTransformerモジュールを組み合わせ、モバイル端末向けセマンティックセグメンテーションタスクに適している

画像セグメンテーション

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