# 高精度位置特定

D-FINEはリアルタイム物体検出モデルで、DETRモデル内のバウンディングボックス回帰タスクを再定義することで、卓越した位置特定精度を実現しています。

D-FINEは強力なリアルタイム物体検出器で、DETRモデル内のバウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しました。

D-FINE はリアルタイム物体検出モデルで、バウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しました。

D-FINEはリアルタイム物体検出モデルで、DETRモデルのバウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しました。

ドキュメントレイアウト検出専用に設計されたDoclingモデルで、RT-DETRアーキテクチャに基づき、ドキュメントレイアウト分析に使用されます。

D-FINE は DETR アーキテクチャを改良したリアルタイム物体検出モデルで、バウンディングボックス回帰タスクを再定義することで卓越した位置特定精度を実現しています。

UI-TARSは次世代のネイティブグラフィカルユーザーインターフェース（GUI）エージェントモデルで、人間のような知覚、推論、行動能力を通じてGUIとシームレスにインタラクションすることを目的としています。

DocLayout-YOLOはYOLOアーキテクチャに基づくドキュメントレイアウト検出モデルで、ドキュメント内の様々な要素と構造を識別・分析します。

LayoutLMアーキテクチャに基づく金融表形式質問応答モデルで、金融表からの構造化質問の抽出と回答に特化しています。

これはApache-2.0ライセンスで公開された物体検出モデルで、画像内の特定のオブジェクトを識別し位置を特定します。

YOLOv11に基づく物体検出モデルで、転倒検知タスク専用です。

YOLO11xアーキテクチャに基づく物体検出モデルで、画像中の数字(0-10)や基本算術演算子(加減乗除など)を識別するために特別に設計されています。

数字(0-10)と基本演算子(+,-,×,÷,=)の認識に特化した物体検出モデル

DAB-DETRは改良型DETRモデルで、動的アンカーボックスをクエリとして使用することで、物体検出の性能と訓練収束速度を大幅に向上させます。

DETRはTransformerベースの物体検出モデルで、エンドツーエンド方式で物体検出タスクを処理し、複雑な後処理ステップを必要としません。

UGroundは簡潔なレシピでトレーニングされた強力なGUI視覚位置特定モデルで、オハイオ州立大学NLPグループとOrby AIの協力により完成しました。

PaliGemma 3B 896解像度の重みを微調整したUI要素検出モデルで、物体検出タスクに特化

YOLOv10は清華大学MIG研究所が開発したリアルタイムエンドツーエンド物体検出モデルで、効率的な検出性能と軽量なデプロイ能力を提供します。

YOLOv9-C は YOLOv9 アーキテクチャに基づく物体検出モデルで、画像内の多様な物体をリアルタイムに検出するのに適しています。

YOLOv9に基づく物体検出モデル、Transformers.jsに対応し、ブラウザ上で動作可能

PyTorchで実装された物体検出モデルで、画像内の物体を識別および位置特定します。

Grounding DINOはオープンセット物体検出モデルで、DINO検出器とテキストエンコーダを組み合わせることでゼロショット物体検出能力を実現しています。

facebook/detr-resnet-50を微調整したひび割れ検出モデルで、建築表面のひび割れ識別タスクに適しています

オープンレールは鉄道関連のオープンモデルまたはデータセットであり、具体的な機能や用途はさらに確認が必要です。

このモデルは画像や動画内のキーポイントを検出するために使用され、人体姿勢推定や顔の特徴点検出などのタスクに適しています。

YOLOv8ベースの物体検出モデルで、サッカー試合中の選手、ゴールキーパー、審判、ボールを検出するために特化しています。

YOLOv8ベースの物体検出モデルで、ゲーム『Valorant』のキーオブジェクトを検出するために特別に設計されています。

YOLOv8sベースの物体検出モデルで、フォークリフトと人員の検出に特化

YOLOv8sは、UltralyticsのYOLOv8アーキテクチャに基づく軽量な物体検出モデルで、リアルタイム物体検出タスクに適しています。

YOLOv5mベースの物体検出モデルで、ゴミ検出タスク専用です。

これは画像分類モデルで、5つの異なるシーン（病院、バルコニー、廊下、空港、カフェ）を識別できます。