# 高精度セマンティックセグメンテーション

ConvNeXt-XLargeエンコーダーを基にしたUPerNetセマンティックセグメンテーションモデル、高精度な画像分割タスクに適しています

PyTorchベースのセマンティックセグメンテーションモデルで、複数のエンコーダーアーキテクチャをサポートし、画像セグメンテーションタスクに適しています。

PyTorchベースのUnet画像セグメンテーションモデルで、複数のエンコーダーアーキテクチャをサポートし、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。

PyTorchベースのセマンティックセグメンテーションモデルで、複数のエンコーダーアーキテクチャをサポートし、画像分割タスクに適しています。

PyTorchベースのUnet画像セグメンテーションモデル、複数のエンコーダアーキテクチャと事前学習済み重みをサポート

facebook/mask2former-swin-base-IN21k-ade-semanticモデルをDnq2025/Mask2former_Pretrainデータセットで微調整した画像セグメンテーションモデル

このモデルはNVIDIAのMIT - B5アーキテクチャに基づき、IDD 20Kセマンティックセグメンテーションデータセットでファインチューニングされた画像セグメンテーションモデルで、道路シーン理解タスクに適しています。

PyTorchベースのセマンティックセグメンテーションモデル、複数のエンコーダーアーキテクチャをサポート

PyTorchベースのDeepLabV3+画像セグメンテーションモデル、複数のエンコーダアーキテクチャをサポート

葉の植生を対象としたRGB三チャンネル二元セグメンテーションモデルで、灌木/樹木のシーンに適用可能、野火可燃物評価など多分野での応用をサポート

PyTorchベースのFPNアーキテクチャを使用した事前学習済み海岸線分割モデル、リモートセンシング画像の海岸線検出タスクに適しています

SegFormerアーキテクチャに基づくファッション画像セグメンテーションモデルで、人物の衣服やアクセサリーの精密なセグメンテーションに特化

microsoft/dit-baseをファインチューニングしたドキュメント画像レイアウト検出モデル、11種類のドキュメント要素を識別可能

ResNet34エンコーダーをベースにしたFPN画像セグメンテーションモデルで、GIDデータセットに最適化されています

PyTorchベースのFPNモデルで、オックスフォードペットデータセットの画像セグメンテーションタスク向けに設計されており、効率的なセマンティックセグメンテーション機能を提供します。

このモデルはnvidia/segformer-b3-finetuned-ade-512-512をドローン画像データセットでファインチューニングした画像セグメンテーションモデルで、シーン解析タスクに適しています。

SegFormerアーキテクチャをファインチューニングしたファッション画像分割モデルで、衣類画像中の異なる服飾カテゴリを識別・分割するために特別に設計されています

ATRデータセットでファインチューニングされたSegFormerモデルで、主に服装セグメンテーションや人体セグメンテーションに使用されます

nvidia/segformer-b3-finetuned-ade-512-512モデルを海岸線データセットでファインチューニングした画像セグメンテーションモデルで、水域、白波、堆積物などの地物タイプの識別に優れています。

NVIDIA SegFormer-B0アーキテクチャに基づき、衛星画像データセットで微調整されたセマンティックセグメンテーションモデル。地震関連シナリオ分析に特化

SegFormerアーキテクチャに基づく衣類分割モデルで、cloth_parsing_mixデータセットでファインチューニングされ、衣類の異なる部分を正確に識別・分割します。

SegFormer-b2アーキテクチャをファインチューニングした画像分割モデルで、人体モデル着衣分割タスクに特化

Transformers ライブラリに基づく画像分割モデルで、様々な画像分割タスクをサポートします。

nvidia/mit-b5をファインチューニングしたセマンティックセグメンテーションモデルで、顔解析タスク用

歩道シーンのセマンティックセグメンテーション用の視覚モデルで、画像内のさまざまな要素を識別・分割できます。

歩道シーンのセマンティックセグメンテーション用の視覚モデルで、歩道内の様々な物体や領域を識別・分割できます。

これは歩道のセマンティックセグメンテーションを行う視覚モデルで、画像中の歩道領域を識別・分割できます。

このモデルはdeepset/roberta-base-squad2をファインチューニングした質問応答システムで、与えられたテキストから回答を抽出するために特別に設計されています。

これはADE20kデータセットでファインチューニングされた密な予測トランスフォーマー（DPT）モデルで、セマンティックセグメンテーションタスクに使用されます。