# 高精度分類

Google Vision TransformerをファインチューニングしたNSFW（職場不適切）コンテンツ検出モデルで、5種類の画像コンテンツを識別可能

PP-LCNet_x1_0_table_clsは、入力された表画像を分類するための効率的な表分類モデルで、有線表と無線表の分類をサポートしています。

文書画像の方向分類モジュールで、文書画像の方向を区別し、後処理で校正し、OCR処理の精度を向上させます。

SigLIP2をファインチューニングした視覚-言語エンコーダーモデルで、画像が偽物か本物かを検出

多言語E5大型プーリングモデル、複数言語の文類似度計算と特徴抽出タスクをサポート。

SigLIP 2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-言語エンコーダモデルで、特にセンシティブ、暗示的、または安全なメディアのフィルタリングに適したマルチカテゴリ画像分類に特化しています。

XLM-RoBERTaを基にした多言語ツイッター感情分析モデルで、AutoTrainを使用したテキスト分類タスクをサポートします。

ビジョントランスフォーマーを基にした二値分類モデルで、ディープフェイク画像の検出に特化しており、精度は99.2%

多言語E5大型命令モデル、複数言語のテキスト埋め込みと分類タスクをサポートし、強力なクロスランゲージ能力を備えています。

microsoft/mdeberta-v3-baseをファインチューニングしたプロンプトインジェクション検出モデルで、複数のデータセットを統合してトレーニングされ、悪意のあるプロンプトインジェクション攻撃を識別します。

Linq-Embed-MistralはMistralアーキテクチャに基づく埋め込みモデルで、テキスト分類、検索、クラスタリングタスクに特化しており、複数のMTEBベンチマークで優れた性能を発揮します。

NSFWコンテンツのレーティングに特化してファインチューニングされたVision Transformerモデルで、ニュートラル/軽度/中度/重度の4段階のリスクを識別可能

SigLIP2を微調整した画像分類モデルで、画像が実際に撮影されたものかAI生成されたものかを検出

このモデルは12万枚の画像（AI生成画像6万枚と人間の画像6万枚）でファインチューニングされ、AI生成の高品質画像を検出するために特別に設計されています。

SigLIP2アーキテクチャを微調整したファッション画像分類モデル、Fashion-MNISTデータセット専用に設計

これはBERTアーキテクチャに基づくインドネシア語の感情分析モデルで、テキストを肯定的または否定的な感情に分類できます。

軽量分類器、浴室・寝室・ダイニング・キッチン・リビングのいずれかに室内不動産画像を分類

DeBERTa-v3-largeをファインチューニングしたAI生成テキスト検出モデルで、学術シーンに最適化されています

これは豆類データセットでファインチューニングされたビジョントランスフォーマー(ViT)モデルで、豆類の葉の病害状況を識別するために使用されます。

Llama 3.2 11B Vision Instruct は視覚と言語を組み合わせたマルチモーダルモデルで、画像からテキストへのタスクをサポートします。

Falconsai/nsfw_image_detectionを基にファインチューニングしたNSFW画像分類モデルで、検証セットでの精度は1.0

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

軽量BERTモデル、URL分類タスクに特化してファインチューニングされ、良性、フィッシング、マルウェア、改ざんの4種類のURLを分類可能

FocalNetをファインチューニングしたNSFW画像分類モデルで、コンテンツ審査タスクに使用され、画像を安全、審査必要、不安全の3つに分類します。

Desklibによって開発されたAI生成テキスト検出モデルで、人間が執筆したものとAIが生成した英語テキストを区別するために使用され、RAIDベンチマークテストでリーディングパフォーマンスを発揮しています。

多言語E5大型命令モデル、複数言語のテキスト埋め込みと分類タスクをサポート

GTE-small は効率的な文埋め込みモデルで、thenlper/gte-small ベースモデルに基づき、文の類似度タスクに特化しています。

wav2vec2アーキテクチャに基づくオーディオ分類モデルで、気候関連の音声分類タスクに適しています

AI生成テキストと人間が書いたテキストを正確に区別するための微調整されたBERTモデルです。

Vision Transformer (ViT)を基にした画像分類モデルで、AI生成画像と人間作成画像を区別し、精度は98%に達します。

ModernBERT-largeをベースにしたマルチタスクファインチューニングモデルで、自然言語推論(NLI)タスクに特化しており、ゼロショット分類や推論タスクで優れた性能を発揮します。

Vision Transformer (ViT)アーキテクチャに基づく微調整モデルで、胸部X線画像の分類に使用され、CheXpertデータセットでトレーニングされています。

DistilBERTアーキテクチャに基づくマルチラベルコンテンツ審査システムで、ユーザーコメント内の潜在的に有害なコンテンツを検出・分類する。高精度かつ軽量な特徴を持つ。

BERT-LoRAをベースにしたファインチューニングモデルで、フィッシング、マルウェア、改ざん脅威などの悪意のあるURLを効率的に検出します。

MCG-NJU/videomae-baseをファインチューニングした動画分析モデルで、異常行動検知タスクに特化

このモデルは、デンマーク語とスウェーデン語のウェブテキストにおける問題のあるコンテンツ（誤った言語、文字化けテキスト）を識別するためのデモ分類器です。

open_clipライブラリを基にしたゼロショット画像分類モデルで、医療分野の画像分析に特化

BERT-baseに基づくフィッシングメール/ウェブページ分類モデルで、検証セットで87.3%の正解率を達成

多言語E5大型命令モデル、複数の言語とタスクをサポート、分類、検索、クラスタリングなど。

多言語E5大型命令モデルで、複数の言語のテキスト埋め込みと分類タスクをサポートします。