# 高精度検出

DETR アーキテクチャに基づく物体検出モデルで、一般的な物体検出タスクに適しています

経済学関連データセットでファインチューニングされたテキスト分類モデル。テキストが米国経済関連トピックに関連しているかどうかを検出するために使用

YOLOEはリアルタイム視覚万能モデルで、ゼロショット物体検出など様々な視覚タスクをサポートします。

これはDistilBERTベースのフェイクニュース検出モデルで、テキスト内容に基づいてニュース記事を真実または虚偽に分類できます。

RT-DETRv2は改良されたリアルタイム物体検出Transformerモデルで、選択的多スケール特徴抽出や動的データ拡張などの戦略により性能を向上させています。

RT-DETRv2は改良版リアルタイム検出トランスフォーマーで、プラグアンドプレイ最適化スキームを導入することで柔軟性と実用性を向上させ、トレーニング戦略を最適化してより強力な性能を実現しています。

VisualHeistは、PDFファイルからグラフ、模式図、表を抽出するための物体検出モデルで、タイトル、ヘッダー、フッターも含みます。

このモデルはDistilBERTアーキテクチャに基づいており、メールやURLが安全かフィッシングリスクがあるかを判断するためのマルチラベル分類タスク向けに設計されています。

YOLOv11に基づく物体検出モデルで、転倒検出に特化しています。

Florence-2はマイクロソフトが開発した先進的な視覚基盤モデルで、プロンプトベースのアーキテクチャにより様々な視覚と言語タスクを統一的に処理

CodeBERT-baseをファインチューニングしたSolidityスマートコントラクト脆弱性検出モデル

GenTel-Shieldはプロンプトインジェクション攻撃の検出と防御に特化したモデルで、悪意のあるサンプルと良性サンプルを効果的に区別できます。

MIT/ast-finetuned-audioset-10-10-0.4593を微調整した合成音声検出モデルで、音声が合成音声かどうかを識別します。

TF - IDは、学術論文中の表と画像を抽出するために微調整された一連の物体検出モデルで、学術論文中の表と画像の自動認識の問題を解決します。

Florence-2はマイクロソフトが開発した先進的な視覚基盤モデルで、プロンプトベースのアプローチで幅広い視覚および視覚言語タスクを処理します。

Florence-2はマイクロソフトが開発した先進的な視覚基礎モデルで、プロンプトベースの方法を用いて幅広い視覚および視覚言語タスクを処理します。

Florence-2はマイクロソフトが開発した先進的な視覚基盤モデルで、プロンプトベースのアプローチで様々な視覚と言語タスクを処理します。

Vision Transformer(ViT)アーキテクチャを最適化した暴力行為検出モデルで、画像を暴力シーンか非暴力シーンかに分類できます。

RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、ハイブリッドエンコーダとクエリ選択メカニズムにより効率的な検出を実現し、NMS後処理が不要です。

YOLOv10xはYOLOシリーズの最新バージョンで、リアルタイムのエンドツーエンド物体検出に焦点を当て、より高い検出精度とより速い推論速度を提供します。

YOLOv10 はリアルタイムのエンドツーエンド物体検出モデルで、清華大学のチームによって開発され、YOLOシリーズの最新改良版に基づいています。

YOLOv10は、清華大学チームによって開発されたリアルタイムエンドツーエンド物体検出モデルで、YOLOシリーズの最新改良版です。

YOLOv10 は清華大学が提案したリアルタイムエンドツーエンド物体検出モデルで、効率的かつ高精度な特徴を持っています。

YOLOv10は清華大学が提案したリアルタイムエンドツーエンド物体検出モデルで、速度と精度の両面で顕著な向上が見られます。

YOLOv10は清華大学が提案したリアルタイムエンドツーエンド物体検出モデルで、効率的かつ正確な特徴を持っています。

RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、効率的なハイブリッドエンコーダとクエリ選択メカニズムによりYOLOシリーズを超える速度と精度のバランスを実現

YOLOv10は、追加コストなしの効率的なリアルタイム物体検出モデルです。アーキテクチャとトレーニング戦略を最適化することで、リアルタイム性を維持しながら検出精度を向上させています。

RT-DETRは初のリアルタイムエンドツーエンド物体検出Transformerモデルで、効率的なハイブリッドエンコーダとクエリ選択メカニズムによりNMS不要の効率的な検出を実現

RT-DETRは初のリアルタイムエンドツーエンド物体検出器で、効率的なハイブリッドエンコーダーと不確実性最小化クエリ選択メカニズムにより、COCOデータセットで53.1% AP、108 FPSの性能を達成しました。

このモデルはAI生成画像を検出する分類器で、評価セットで97.36%の精度を達成しました。

RT-DETRは初のリアルタイムエンドツーエンド物体検出Transformerモデルで、効率的なハイブリッドエンコーダとクエリ選択メカニズムにより高速高精度検出を実現

Swin Transformerアーキテクチャに基づく脳腫瘍検出モデルで、画像分類タスクにおいて98.04%の精度を達成

BERTベースのトルコ語テキスト分類モデルで、テキスト内の攻撃的言語を検出するために使用されます

facebook/detr-resnet-50をベースにファインチューニングしたモデルで、物体検出タスクに使用されます

ReaLiSeは中国語スペルチェック(CSC)に特化した専用モデルで、オリジナル論文に基づいて実装されており、中国語テキスト内のスペルミスを検出・修正できます。

MobileBERTベースの軽量モデルで、入力文字列中のSQLインジェクション攻撃を検出するために設計されており、エッジコンピューティングシナリオに適しています。

facebook/detr-resnet-50をベースにファインチューニングしたモデル、具体的な用途は明記されていない

RoboflowジェスチャーデータセットでファインチューニングされたYOLOv8xモデルで、ジェスチャー認識タスクに特化

facebook/detr-resnet-50を基にファインチューニングしたモデルで、物体検出タスクに使用

Deformable DETRはTransformerアーキテクチャに基づく物体検出モデルで、LVISデータセットでトレーニングされ、1203クラスの物体検出をサポートします。