モデル選定

農業画像認識

# 農業画像認識

Detr Resnet 50 Finetuned Weed Detection

facebook/detr-resnet-50をファインチューニングした雑草検出モデルで、コンピュータビジョンタスクに適しています。

machinelearningzuu

Microsoft Resnet 152 Plant Seedling Classification

ResNet-152を微調整した植物の苗分類モデルで、テストセットでの精度は77.67%

Vit Base Patch16 224 In21k Plant Seedling Classification

これはgoogle/vit-base-patch16-224-in21kをファインチューニングした画像分類モデルで、植物の幼苗分類タスク専用に設計されており、テストセットで95.67%の精度を達成しました。

Platzi Vit Model Julenalvaro

ViTアーキテクチャに基づく豆類葉病害分類モデル、beansデータセットで微調整され、精度99.25%を達成

Vit Base Patch16 224 In21k Finetuned Cassava3

Google Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、画像フォルダデータセットで微調整され、精度は88.55%

Vit Base Patch16 224 In21k Finetuned Cassava

Google Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、画像フォルダデータセットでファインチューニングされ、精度は87.06%を達成

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