# 食品画像分類

Food101データセットでファインチューニングされたEfficientNetB4画像分類モデル、101種類の食品カテゴリ認識をサポート

これはFood-101データセットでファインチューニングされたVision Transformerモデルで、食品画像分類タスクに使用されます。

このモデルは一般的な冷蔵庫アイテムの分類に使用され、さまざまな食品や飲料カテゴリの認識をサポートします。

Google Vision Transformer (ViT)アーキテクチャに基づく食品画像分類モデルで、Food101データセットでファインチューニングされ、精度は90.9%を達成

これはGoogleのViTモデルをfood101データセットでファインチューニングした食品分類モデルで、精度は89.5%に達します。

ViTアーキテクチャに基づく食品分類モデル、Food101データセットでファインチューニングされ、精度98.5%を達成

ViTアーキテクチャに基づく食品画像分類モデル、Food101データセットでファインチューニングされ、精度96%を達成

ViTアーキテクチャに基づく食品画像分類モデル、Food101データセットでファインチューニングされ、精度は89.7%

Google Vision Transformer (ViT)アーキテクチャに基づく食品分類モデルで、未知のデータセットで微調整されています

Google Vision Transformer (ViT)アーキテクチャに基づく画像分類モデルで、food101データセットでファインチューニングされ、食品画像分類タスクに使用されます

このモデルはFood-101データセットでファインチューニングされたVision Transformer（ViT）で、Optimumツールを使用してINT8静的量子化が施され、OpenVINO中間表現形式にエクスポートされています。効率的な画像分類タスクに適しています。

これはAutoTrainを使用してfood101データセットで訓練された食品画像分類モデルで、精度は89%に達します

これはGoogleのViTモデルをファインチューニングしたインド料理画像分類モデルで、精度は93.3%です。

Swin Transformerアーキテクチャを基にFood101データセットでファインチューニングされた画像分類モデルで、精度は92.14%

Swin Transformerアーキテクチャをベースにファインチューニングした食品画像分類モデルで、Food101データセットにおいて92.1%の精度を達成

GoogleのViTモデルをFood101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85.39%を達成

これはPyTorchとHuggingPicsで生成された画像分類モデルで、精度は90.18%です。

PyTorchフレームワークに基づく画像分類モデルで、ホットドッグとサンドイッチを区別できます。