# 二分類模型

基於視覺變換器的二分類模型，專用於檢測深度偽造圖像，準確率達99.2%

該模型是基於microsoft/beit-base-patch16-224-pt22k-ft22k在二分類中風檢測數據集上微調的版本，用於圖像分類任務，評估準確率達92.22%。

使用微調Vision Transformer（ViT）檢測深度偽造圖像的二分類模型

該模型用於檢測圖像是真實拍攝還是由AI生成，採用Vision Transformer（ViT）架構提供精準分類。

基於BERT架構微調的釣魚URL檢測模型，用於識別潛在惡意URL

該模型基於BERT架構微調，用於檢測土耳其語中的無意義文本（如隨機字符組合）。

基於facebook/wav2vec2-base微調的二進制音頻分類模型，專門用於區分'down'和'on'的發音

這是一個使用AutoTrain訓練的貓狗二分類視覺模型，在測試集上表現出極高的準確率。

這是一個通過AutoTrain訓練的二分類視覺模型，專門用於區分內生軟骨瘤與低級別軟骨肉瘤的組織學圖像。

基於facebook/convnext-small-224在二分類任務上微調的圖像分類模型，在評估集上F1分數達到0.9620

這是一個基於AutoTrain訓練的視覺二分類模型，用於廣告檢測任務。

基於DistilBERT的短信垃圾郵件檢測模型，在sms_spam數據集上微調，準確率達99.21%

基於CodeBERT在CodeXGLUE缺陷檢測數據集上微調的模型，用於識別不安全代碼

該模型是在RoBERTa基礎版上微調的二分類情感分析模型，專門用於Yelp評論的情感極性分類。

基於中文對話情緒語料訓練的文本分類模型，支持2分類：樂觀（positive）和悲觀（negative）。

這是一個基於HuggingPics生成的圖像分類模型，專門用於識別圖片中的熱狗