モデル選定

農業視覚検出

# 農業視覚検出

Cropvision CLIP

CLIPアーキテクチャを基にファインチューニングされた視覚言語モデルで、植物病害のゼロショット分類に特化

Safetensors 英語

Segformer B2 Finetuned Ade 512 512 Corm

SegFormerアーキテクチャに基づく画像セグメンテーションモデルで、ADE20Kデータセットで事前学習後さらに微調整され、512x512解像度の画像セグメンテーションタスクに優れています

画像セグメンテーション

Platzi Vit Model Will Mendoza

GoogleのViTモデルを豆類データセットでファインチューニングした画像分類モデルで、精度は98.5%

このモデルはGoogleのViT-baseアーキテクチャをbeansデータセットでファインチューニングした画像分類モデルで、精度は97.74%を達成

このモデルはtimm/resnet18.a1_in1kをbeansデータセットで微調整した画像分類モデルで、精度は69.17%です。

Resnet 50 Base Beans Demo

ResNet-50アーキテクチャをベースにbeansデータセットで微調整した画像分類モデル、精度90.23%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